本篇文章仅有题解，若要查看题目请访问
建模整理
给定一个n行m列矩阵，选取r条行、c条列，将行列重合部分组成一个r行c列的子矩阵，并规定：
相邻的元素：矩阵中的某个元素与其上下左右四个元素（如果存在的话）是相邻的。
矩阵的分值：矩阵中每一对相邻元素之差的绝对值之和。
本体任务即为：从这个矩阵中选出一个r行c列的子矩阵，使得这个子矩阵的分值最小，并输出这个分值。
解题思路
算法选取
暴力算法，该算法只能过50%的数据，往上的测试点T掉
→ 贪心，搞不出来，好像也没人搞出来
→ 记搜+剪枝，据说可以AC，但是个人比较菜，不会
→ 只剩DP了
—>题解里有大佬用状压？反正我不会
状态
之前在分析暴力算法的时候，发现暴力中既要搜行，又要搜列。那么，有没有想过，能不能只搜列、不搜行呢？很明显，行的计算只能通过记忆化搜索或者动态规划实现。这里就只说动态规划，记忆化搜索就不再赘述了。既然是DP，就有一个状态，因为这里是DP行，所以我们假设状态的含义为：
dp[i]：前i行（包括第i行）的最优解
由于题目有一个最多只能取r行的限定，所以状态应转化一下：
dp[i][j]：i行取j行（包括第i行）的最优解
克服了第一个难关，继续加油！
状态转移方程
当前是第i行取j行，那前一次取是第几行呢？我们不妨用k来表示。当前是取j行，那前一次自然就是取j-1行了。有了前一次，那么前一次如何变到当前状态？很明显，就是加上第k行和第i行 列相减 的绝对值，以及第i行内部相减的绝对值
这个时候，状态转移方程变自然推出了：
dp[i][j] = min(dp[k][j-1] + sumc(k, i) + sumv(i))
PS: sumc函数表示 第k行和第i行 列相减 的绝对值
sumv函数表示第i行内部相减的绝对值
克服了第二个难关，胜利在望！
边界
由于无论取哪些列，只要是只取1行的情况，必然dp[i][1]只有第i行内部相减的绝对值，像下面这样：
大功告成，只剩肝代码！
代码实现
代码细节就不多说了，重在上面DP的理解
