最大化所持金的投资方案

根据题意，我们需要编写一个程序来计算出最佳的投资方案，以最大化最后一天的所持金。

首先，我们可以使用动态规划来解决这个问题。我们定义一个二维数组dp，其中dp[i][j]表示在第i天拥有j单位所持金时的最大所持金数。

然后，我们可以按照以下步骤更新dp数组：

1. 对于第一天（即i=1），我们可以从所给的x中选择一种股票进行购买，更新dp[1][j]为max(dp[1][j], dp[1][j-p1,1]+p1,1)，其中p1,1为第一天第一种股票的价格。

2. 对于接下来的每一天（即i>1），对于每个可能的单位所持金j，我们可以考虑两个操作：购买或卖出股票。

   • 如果购买股票是合法的，则更新dp[i][j]为max(dp[i][j], dp[i][j-pi,j]+pi,j)。这意味着在第i天以j单位所持金购买第j种股票。

   • 如果卖出股票是合法的，则更新dp[i][j]为max(dp[i][j], dp[i][j+pi,j])。这意味着在第i天以j单位所持金卖出第j种股票。

3. 最后，我们需要找到dp[d][]中的最大值，这将是最后一天的最大所持金数。

下面是相应的Python实现：

def maximize_portfolio(n, d, x, p):
    dp = [[0] * 1001 for _ in range(d+1)]
    
    dp[1][x] = x
    for i in range(1, d+1):
        for j in range(1, 1001):
            if dp[i][j] > 0:
                for k in range(n):
                    if j >= p[i-1][k]:
                        dp[i][j-p[i-1][k]] = max(dp[i][j-p[i-1][k]], dp[i][j] + p[i-1][k])
                    dp[i+1][j+p[i-1][k]] = max(dp[i+1][j+p[i-1][k]], dp[i][j])
    
    max_portfolio = max(dp[d])
    return max_portfolio

# 读入输入
n, d, x = map(int, input().split())
p = []
for _ in range(d):
    row = list(map(int, input().split()))
    p.append(row)
    
# 计算最大所持金
max_portfolio = maximize_portfolio(n, d, x, p)
print(max_portfolio)

以上就是使用动态规划解决该问题的一个示例。请注意，在实际的程序中，可能需要根据题目要求进行调整和优化。