请允许我对记忆化搜索进行一个总结，我认为所有的搜索只要数据范围允许，都可以转化为记忆化搜索，

只是，用处的多与少的关系，其本身是求出设出状态之后，为求出当前状态进行递推（搜索），推到

已知状态，之后再退回来的一个方法，由于将每个子状态的解存下来是他和dfs最大的不同，所有说只要

定义出状态，就可以记忆化搜索；不废话了，开始讲题了：

在游戏天天酷跑中，最爽的应该是超级奖励模式了吧，没有一切障碍，可以尽情的吃金币，现在请你控制游戏角色来获得尽可能多的分数。游戏界面离散为一个长度为1~n，高度为1~m（初始点为（0，1））的矩阵图。每个格子上都有收益（-1~1000），-1表示该点不能通过。游戏角色从起点一路奔跑向终点，中途可以跳跃来获得更高的分数，在空中还能进行连跳。

游戏开始前你可以设定跳跃的高度，以及能连跳的次数，初始跳跃高度为1，连跳数为1（最多为5），升级跳跃高度和连跳都需要一定的花费。跳跃高度设定完后游戏角色每次跳跃高度都将固定，连跳必须在下落过程中可以使用。所有操作都将在整点上完成，需要保证设定完的跳跃高度及连跳数，无法跳出游戏高度上限。以下是连跳数为2连跳，跳跃高度为2的跳跃方案：

输入输出格式

输入格式：

第一行四个整数n，m，cost1，cost2。n，m如题意所示，cost1，cost2分别表示每升一级跳跃高度，连跳数所需的花费。接下来m行，每行n个数。第i行第j个数表示地图中高度为i，

输出格式： 

如果无法跑出终点线，就输出”mission failed“，否则输出一行三个数，分别表示最大收益；及最大收益时，最小的连跳数；最大收益，最小连跳数时，最小的跳跃高度。

 

题解：

正如上文所说，正是记忆化，定义状态f[i][j][o]表示处于x，y这个位置，还剩余o次连跳数的最大收益，那么状态转移就不难想到了，

如果是跑——f[i][j][o]=max(f[i][j+1][o]+w[i][j]) w[i][j]为这点的权值；

如果是跳的话——f[i][j][o]=max(f[i+跳跃高度（high）][j+high][o--]+hhh+w[i][j]) hhh跳跃上升过程中得到的金币数。

实现时将跳和连跳合并了，只要出了类似，合并情况可以大量减少代码量；

 

代码：

#include
     
      #include
      
       #include
       
        #include
        
         #include
         
          const int inf=1<<30;using namespace std;int n,m,cost1,cost2;int f[24][110010][6];bool b[24][110010][6];int w[24][100010];int dfs(int x,int y,int time,int high,int use){  if(x>n) return 0;  if(w[y][x]==-1) return -inf;  if(b[y][x][use]) return f[y][x][use];  int hhh=0,flag=1,tot=0;  if(y==1) use=0;  if(use
          
           1) tot=max(tot,dfs(x+1,y-1,time,high,use)); b[y][x][use]=1; f[y][x][use]=tot+w[y][x]; return f[y][x][use];}int main(){ cin>>n>>m>>cost1>>cost2; for(int i=1;i<=m;i++){ for(int j=1;j<=n;j++){ cin>>w[i][j]; } } int ans=-inf,ans1,ans2; for(int i=1;i<=5;i++){ for(int j=1;j*i