傳送門
有n個木塊排成一行，從左到右依次編號為1~n。
你有k種顏色的油漆，其中第i種顏色的油漆足夠塗ci個木塊。 所有油漆剛好足夠塗滿所有木塊，即c1+c2+…+ck=n。
相鄰兩個木塊塗相同色顯得很難看，所以你希望統計任意兩個相鄰木塊顏色不同的著色方案。
輸入描述:
第一行為乙個正整數k，第二行包含k個整數c1, c2, … , ck。
輸出描述:
輸出乙個整數，即方案總數模1,000,000,007的結果。
示例1輸入複製3
1 2 3
輸出複製
101<=k<=15 ,1<= ci <=5
思路：首先由資料範圍我們可以發現最多只有5種顏色，且每種顏色使用次數也很小，所以我們可以採用六維度陣列dp[a][b][c][d][e][pre]表示，有a種可以用1次的顏色，b種可以用2次的顏色，c種可以用3次的顏色，d種可以用四次的顏色，e種可以用五次的顏色，在前一次為用可以pre次的顏色情況下符合條件的情況。
注意：必須用新增pre這維不然，情況會錯誤，當pre為某個的時候為0，其他情況為會計算為0；
#include
using
namespace std;
typedef
long
long ll;
ll dp[17]
[17][
17][17
][17]
[6];
ll mod=
1e9+7;
int n,a[6]
;ll dfs
(int a,
int b,
int c,
int d,
int e,
int pre)
intmain()
memset
(dp,-1
,sizeof
(dp));
for(
int i=
0;i<=
5;i++
) cout<<
dfs(a[1]
,a[2
],a[3]
,a[4
],a[5]
,0)<}
記憶化搜尋
演算法上依然是搜尋的流程，但是搜尋到的一些解用 動態規劃 的那種思想和模式作一些儲存。一般說來，動態規劃總要遍歷所有的狀態，而搜尋可以排除一些無效狀態。更重要的是搜尋還可以剪枝，可能剪去大量不必要的狀態，因此在空間開銷上往往比動態規劃要低很多。記憶化演算法在求解的時候還是按著自頂向下的順序，但是每求...
記憶化搜尋
記憶化搜尋 演算法上依然是搜尋的流程，但是搜尋到的一些解用動態規劃的那種思想和模式作一些儲存。記憶化演算法在求解的時候還是按著自頂向下的順序，但是每求解乙個狀態，就將它的解儲存下來，以後再次遇到這個狀態的時候，就不必重新求解了。例1.題目描述 給從左至右排好隊的小朋友們分糖果，要求 1.每個小朋友都...
記憶化搜尋
原文 感謝作者。一.動態規劃 動態規劃 dynamic programming 與 分治思想 有些相似，都是利用將問題分 為子問題，並通過合併子問題的解來獲得整個問題的解。於 分治 的不同之處在 於，對於乙個相同的子問題動態規劃演算法不會計算第二次，其實現原理是將每乙個計算過的子問題的值儲存在乙個表...