解析“最大路径和”问题(二):矩阵取数问题(一般方法论讲解+实例应用分析)

深入解析"最大路径和"问题(二):树形动态规划与矩阵取数问题

在上一篇博客中,我们通过二叉树的"最大路径和"问题,详细讲解了树形动态规划的解法。然而,路径问题不仅仅存在于树结构中,矩阵中也有类似的路径最优化 问题。这次我们将进一步扩展,分析矩阵取数的问题。


问题描述:矩阵取数游戏

题目

小明玩一个矩阵取数游戏,规则如下:

  1. 给定一个 n × n n \times n n×n) 的矩阵 a i j a_{ij} aij,其中每个格子的价值 a i j ≥ 0 a_{ij} \geq 0 aij≥0。
  2. 游戏从左上角格子 ( 1 , 1 ) (1, 1) (1,1) 出发,只能向 移动,直到到达右下角格子 ( n , n ) (n, n) (n,n)。
  3. 每经过一个格子,就能获得该格子的价值。
  4. 要求求出从左上角到右下角路径的最大价值和

输入

  • 第一行:矩阵大小 n n n。
  • 接下来的 n n n 行:每行有 n n n个非负整数,表示矩阵格子的价值。

输出

  • 最大价值和。

方法论:动态规划解法

1. 解题思路

矩阵取数问题是一个典型的二维动态规划问题。

动态规划的核心是通过构造一个二维数组 d p dp dp,记录到达每个格子的最大价值和,逐步计算出右下角的最大得分。

状态定义
  • d p [ i ] [ j ] dp[i][j] dp[i][j]:表示从左上角到达格子 ( i , j ) (i, j) (i,j) 的最大价值和。
状态转移方程

我们定义: a [ i ] [ j ] a[i][j] a[i][j]为矩阵位置 ( i , j ) (i,j) (i,j)的价值。

从起点到达格子 ( i , j ) (i, j) (i,j),只能从上方或左方到达,因此:
d p [ i ] [ j ] = max ⁡ ( d p [ i − 1 ] [ j ] , d p [ i ] [ j − 1 ] ) + a i j dp[i][j] = \max(dp[i-1][j], dp[i][j-1]) + a_{ij} dp[i][j]=max(dp[i−1][j],dp[i][j−1])+aij

边界条件
  • 起点 d p [ 0 ] [ 0 ] = a 00 dp[0][0] = a_{00} dp[0][0]=a00。
  • 第一行和第一列只能从左或上单向到达:
    • 第一行: d p [ 0 ] [ j ] = d p [ 0 ] [ j − 1 ] + a 0 j dp[0][j] = dp[0][j-1] + a_{0j} dp[0][j]=dp[0][j−1]+a0j
    • 第一列: d p [ i ] [ 0 ] = d p [ i − 1 ] [ 0 ] + a i 0 dp[i][0] = dp[i-1][0] + a_{i0} dp[i][0]=dp[i−1][0]+ai0

2. 算法步骤

  1. 初始化二维数组 d p dp dp,大小为 n × n n \times n n×n。
  2. 填充边界条件:第一行和第一列的值。
  3. 按照状态转移方程依次填充 d p [ i ] [ j ] dp[i][j] dp[i][j]。
  4. 返回右下角 d p [ n − 1 ] [ n − 1 ] dp[n-1][n-1] dp[n−1][n−1] 的值。

3. 时间复杂度

  • 时间复杂度: O ( n 2 ) O(n^2) O(n2),因为需要填充一个 n × n n \times n n×n 的矩阵。
  • 空间复杂度: O ( n 2 ) O(n^2) O(n2)(可通过滚动数组优化至 O ( n ) O(n) O(n))。

代码实现(C++)

cpp 复制代码
#include <iostream>
#include <vector>
#include <algorithm>
using namespace std;

int main() {
    int n;
    cin >> n;
    vector<vector<int>> matrix(n, vector<int>(n)); // 输入矩阵
    vector<vector<int>> dp(n, vector<int>(n));     // 动态规划数组

    // 输入矩阵值
    for (int i = 0; i < n; ++i) {
        for (int j = 0; j < n; ++j) {
            cin >> matrix[i][j];
        }
    }

    // 初始化起点
    dp[0][0] = matrix[0][0];

    // 初始化第一行
    for (int j = 1; j < n; ++j) {
        dp[0][j] = dp[0][j-1] + matrix[0][j];
    }

    // 初始化第一列
    for (int i = 1; i < n; ++i) {
        dp[i][0] = dp[i-1][0] + matrix[i][0];
    }

    // 填充动态规划数组
    for (int i = 1; i < n; ++i) {
        for (int j = 1; j < n; ++j) {
            dp[i][j] = max(dp[i-1][j], dp[i][j-1]) + matrix[i][j];
        }
    }

    // 输出右下角的最大价值和
    cout << dp[n-1][n-1] << endl;

    return 0;
}

实例解析:一步步解决问题

输入示例

text 复制代码
4
1 3 1 2
1 5 1 1
4 2 1 3
1 1 1 10

动态规划表计算

初始化:
  • 起点 d p [ 0 ] [ 0 ] = 1 dp[0][0] = 1 dp[0][0]=1
填充第一行和第一列:
i \ j i \backslash j i\j 1 3 1 2
1 1 4 5 7
5 2
4 6
1 7
填充其余格子:

按照状态转移公式逐步计算:

i \ j i \backslash j i\j 1 3 1 2
1 1 4 5 7
5 2 9 10 11
4 6 11 12 15
1 7 12 13 25

输出结果

最终最大价值和为 d p [ 3 ] [ 3 ] = 25 dp[3][3] = 25 dp[3][3]=25。


矩阵问题与树问题的对比

特性 树形动态规划 矩阵动态规划
数据结构 矩阵
转移方向 从子树到父节点 从左上角向右下角
优化难点 合理选择路径的起点和终点 优化空间复杂度
时间复杂度 ( O(n) ) ( O(n^2) )

总结与扩展

总结

  • 矩阵取数问题是"最大路径和"问题的二维拓展,核心仍然是动态规划。
  • 状态转移方程清晰,适合由浅入深引导学习。
  • 动态规划思路灵活,稍作调整可用于更复杂的二维路径问题。

扩展问题

  1. 如果允许向四个方向移动(上下左右),如何解决?
  2. 如果要求路径不能重复访问某些特定的格子,该如何修改算法?

希望这篇博客对你理解"最大路径和"问题的多种变体有所帮助!

相关推荐
津津有味道19 分钟前
Qt C++串口SerialPort通讯发送指令读写NFC M1卡
linux·c++·qt·串口通信·serial·m1·nfc
傅里叶的耶1 小时前
C++系列(二):告别低效循环!选择、循环、跳转原理与优化实战全解析
c++·visual studio
Vitta_U1 小时前
MFC的List Control自适应主界面大小
c++·list·mfc
szekl2 小时前
HDMI 2.0 4×2矩阵切换器412HN——多信号输入输出的高清解决方案
linux·矩阵·计算机外设·电脑·ekl
Dovis(誓平步青云)2 小时前
基于探索C++特殊容器类型:容器适配器+底层实现原理
开发语言·c++·queue·适配器·stack
Gyoku Mint3 小时前
深度学习×第4卷:Pytorch实战——她第一次用张量去拟合你的轨迹
人工智能·pytorch·python·深度学习·神经网络·算法·聚类
葫三生4 小时前
如何评价《论三生原理》在科技界的地位?
人工智能·算法·机器学习·数学建模·量子计算
pipip.4 小时前
UDP————套接字socket
linux·网络·c++·网络协议·udp
拓端研究室6 小时前
视频讲解:门槛效应模型Threshold Effect分析数字金融指数与消费结构数据
前端·算法
随缘而动,随遇而安8 小时前
第八十八篇 大数据中的递归算法:从俄罗斯套娃到分布式计算的奇妙之旅
大数据·数据结构·算法