問題描述：

      Michael喜歡滑雪百這並不奇怪， 因為滑雪的確很刺激。可是為了獲得速度，滑的區域必須向下傾斜，而且當你滑到坡底，你不得不再次走上坡或者等待升降機來載你。Michael想知道在一個區域中最長底滑坡。區域由一個二維陣列給出。陣列的每個數字代表點的高度。要求找出最長的滑雪路徑。下面是一個例子

 1 2  3  4 5

16 17 18 19 6

15 24 25 20 7

14 23 22 21 8

13 12 11 10 9

      一個人可以從某個點滑向上下左右相鄰四個點之一，當且僅當高度減小。在上面的例子中，一條可滑行的滑坡為24-17-16-1。當然25-24-23-...-3-2-1更長。事實上，這是最長的一條。

演算法基本思想：

動態規劃的實質是分治思想和解決冗餘，因此，動態規劃是一種將問題例項分解為更小的、相似的子問題，並存儲子問題的解而避免計算重複的子問題，以解決最優化問題的演算法策略。在求解過程中，該方法也是通過求解區域性子問題的解達到全域性最優解，但與分治法和貪心法不同的是， 動態規劃允許這些子問題不獨立，也允許其通過自身子問題的解作出選擇，該方法對每一個子問題只解一次，並將結果儲存 起來，避免每次碰到時都要重複計算。子問題的重疊性 動態規劃演算法的關鍵在於解決冗餘，這是動態規劃演算法的根本目的。

#include <iostream>
using namespace std;

int a[100][100];
int b[100][100];

int line,row;

int skating(int i,int j)
{
   if(b[i][j]!=-1)
	   return b[i][j];
   int max=0;
   if(i>0&&a[i][j]>a[i-1][j]&&max<skating(i-1,j))
	   max=skating(i-1,j);
   if(i<line-1&&a[i][j]>a[i+1][j]&&max<skating(i+1,j))
	   max=skating(i+1,j);
   if(j>0&&a[i][j]>a[i][j-1]&&max<skating(i,j-1))
	   max=skating(i,j-1);
   if(j<row-1&&a[i][j]>a[i][j+1]&&max<skating(i,j+1))
	   max=skating(i,j+1);

   b[i][j]=max+1;
   return b[i][j];
}

int main()
{
    cin>>line>>row;
    for(int i=0;i<line;i++)
	   for(int j=0;j<row;j++)
		   cin>>a[i][j];
    for(int i=0;i<line;i++)
	   for(int j=0;j<row;j++)
		   b[i][j]=-1;
    for(int i=0;i<line;i++)
	   for(int j=0;j<row;j++)
	   {
	       b[i][j]=skating(i,j);
	   }
	int max=0;
    for(int i=0;i<line;i++)
	   for(int j=0;j<row;j++)
	      if(max<b[i][j]) max=b[i][j];
	cout<<max<<endl;
}