【动态规划】【C++算法】956 最高的广告牌

简介: 【动态规划】【C++算法】956 最高的广告牌

作者推荐

【动态规划】【map】【C++算法】1289. 下降路径最小和 II

本文涉及知识点

动态规划汇总

956. 最高的广告牌

你正在安装一个广告牌,并希望它高度最大。这块广告牌将有两个钢制支架,两边各一个。每个钢支架的高度必须相等。

你有一堆可以焊接在一起的钢筋 rods。举个例子,如果钢筋的长度为 1、2 和 3,则可以将它们焊接在一起形成长度为 6 的支架。

返回 广告牌的最大可能安装高度 。如果没法安装广告牌,请返回 0 。

示例 1:

输入:[1,2,3,6]

输出:6

解释:我们有两个不相交的子集 {1,2,3} 和 {6},它们具有相同的和 sum = 6。

示例 2:

输入:[1,2,3,4,5,6]

输出:10

解释:我们有两个不相交的子集 {2,3,5} 和 {4,6},它们具有相同的和 sum = 10。

示例 3:

输入:[1,2]

输出:0

解释:没法安装广告牌,所以返回 0。

提示:

0 <= rods.length <= 20

1 <= rods[i] <= 1000

sum(rods[i]) <= 5000

动态规划

动态规划的状态表示

朴素方案:pre包括所有符合以下条件的元素{aj _jj,bj _jj},aj _jj<=bj _jj含义是前 i个钢筋可能组成的支架组合。可能的状态数:106

优化方案:假设一b1-a1等于b2-a2,且a1<a2,则a1被淘汰。假定{a1,b1}能够组成的支架高度是n。则第一个剩余支架高度是:c=n-a1,第二个剩余支架高度是d=n-b1 。我们假定a2和c结果,b2和d结合,则第一个支架高度是: n-a1+a2 ,则第二个支架是:n-b1+b2。我们来证明两者相等。即 n-a1+a2 ≡ \equiv n-b1+b2 → \rightarrow 左右加上 a 1 + b 1 − n ‾ → \underline{左右加上a1+b1-n}_\rightarrow左右加上a1+b1n b1+a2≡ \equiva1+b2 左右减去 a 1 + a 2 ‾ → \underline{左右减去a1+a2}_\rightarrow左右减去a1+a2 b1-a1≡ \equiv b2-a2就是假设一 → \rightarrow 如果a1,b1有解,则a2,b2也有解。而a1+c<a2+c,故a1,b1被淘汰。

pre[j]表示前 i个钢筋可能组成的支架组合中,两根支架的高度差为j,短支架的最大长度。j的取值范围[0,sum(rods[i]) /2]

dp表示前i+1个钢筋的组合。

动态规划的转移方程

每个钢架有三种可能:一,不使用。二,焊在短支架上。三,焊在长支架上。

动态规划的初始状态

pre[0]=0,其它为-10000,表示非法状态。

动态规划的填表顺序

任意顺序处理钢筋。

动态规划的返回值

pre[0],如果是负数,返回0。

代码

核心代码

class Solution {
public:
  int tallestBillboard(vector<int>& rods) {
    const int n = accumulate(rods.begin(), rods.end(), 0)/2;
    vector<int> pre(n+1, -10000);
    pre[0] = 0;
    for (const auto& rod : rods)
    {
      auto dp = pre;//本钢筋不使用
      auto Add = [&](int i1, int i2)
      {
        if (i2 < i1)
        {
          swap(i1, i2);
        }
        if (i2 - i1 > n)
        {
          return;
        }
        dp[i2 - i1] = max(dp[i2 - i1], i1);
      };
      for (int iPre = 0; iPre <= n; iPre++)
      {
        const int i2 = iPre + pre[iPre];
        Add(pre[iPre] + rod, i2);
        Add(pre[iPre], i2 + rod);
      }
      pre.swap(dp);
    }
    return max(0, pre.front());
  }
};

核心代码

template<class T>
void Assert(const T& t1, const T& t2)
{
  assert(t1 == t2);
}
template<class T>
void Assert(const vector<T>& v1, const vector<T>& v2)
{
  if (v1.size() != v2.size())
  {
    assert(false);
    return;
  }
  for (int i = 0; i < v1.size(); i++)
  {
    Assert(v1[i], v2[i]);
  }
}
int main()
{ 
  vector<int> rods;
  {
    Solution sln;
    rods = { 1, 2, 3, 6 };
    auto res = sln.tallestBillboard(rods);
    Assert(res,6);
  }
  {
    Solution sln;
    rods = { 1,2,3,4,5,6 };
    auto res = sln.tallestBillboard(rods);
    Assert(res, 10);
  }
  {
    Solution sln;
    rods = { 1,2 };
    auto res = sln.tallestBillboard(rods);
    Assert(res, 0);
  }
  
}

2023年一月

class Solution {

public:

int tallestBillboard(vector& rods) {

//key: 第一个钢筋的长度- 第二根钢筋的长度, value = 第二根钢筋的长度

std::unordered_map<int, int> mPreSubLen;

mPreSubLen[0] = 0;

for (const auto& idata : rods)

{

std::unordered_map<int, int> dp = mPreSubLen;

for (const auto& pre : mPreSubLen )

{

Add(dp, pre.first + idata, pre.second);

Add(dp, pre.first - idata, pre.second + idata);

}

mPreSubLen.swap(dp);

}

return mPreSubLen[0];

}

void Add(std::unordered_map<int, int>& dp,int iSub,int iLen)

{

auto it = dp.find(iSub);

if (dp.end() == it)

{

dp[iSub] = iLen;

}

else

{

it->second = max(it->second, iLen);

}

}

};

2023年8月

class Solution {

public:

int tallestBillboard(vector& rods) {

std::unordered_map<int, int> mDiffToMin;

for (const auto& n : rods)

{

std::unordered_map<int, int> cur = mDiffToMin;

auto AddNew = [&cur](const int& iDiff, const int& iMin)

{

if ((!cur.count(iDiff)) || (iMin > cur[iDiff]))

{

cur[iDiff] = iMin;

}

};

AddNew(n, 0);

for (const auto& [pre, iMin] : mDiffToMin)

{

AddNew(pre + n, iMin);

AddNew(max(pre+iMin, n + iMin) - min(pre + iMin, n + iMin), min(pre + iMin, n + iMin));

}

cur.swap(mDiffToMin);

}

return mDiffToMin[0];

}

};


相关文章
|
2月前
|
机器学习/深度学习 存储 算法
动态规划算法深度解析:0-1背包问题
0-1背包问题是经典的组合优化问题,目标是在给定物品重量和价值及背包容量限制下,选取物品使得总价值最大化且每个物品仅能被选一次。该问题通常采用动态规划方法解决,通过构建二维状态表dp[i][j]记录前i个物品在容量j时的最大价值,利用状态转移方程避免重复计算子问题,从而高效求解最优解。
445 1
|
6月前
|
存储 监控 算法
基于 C++ 哈希表算法实现局域网监控电脑屏幕的数据加速机制研究
企业网络安全与办公管理需求日益复杂的学术语境下,局域网监控电脑屏幕作为保障信息安全、规范员工操作的重要手段,已然成为网络安全领域的关键研究对象。其作用类似网络空间中的 “电子眼”,实时捕获每台电脑屏幕上的操作动态。然而,面对海量监控数据,实现高效数据存储与快速检索,已成为提升监控系统性能的核心挑战。本文聚焦于 C++ 语言中的哈希表算法,深入探究其如何成为局域网监控电脑屏幕数据处理的 “加速引擎”,并通过详尽的代码示例,展现其强大功能与应用价值。
158 2
|
7月前
|
存储 算法 C++
Windows共享文件:探秘C++实现的B树索引算法奇境
在数字化时代,Windows共享文件的高效管理至关重要。B树算法以其自平衡多路搜索特性,在文件索引与存储优化中表现出色。本文探讨B树在Windows共享文件中的应用,通过C++实现具体代码,展示其构建文件索引、优化数据存储的能力,提升文件检索效率。B树通过减少磁盘I/O操作,确保查询高效,为企业和个人提供流畅的文件共享体验。
|
4月前
|
存储 监控 算法
基于跳表数据结构的企业局域网监控异常连接实时检测 C++ 算法研究
跳表(Skip List)是一种基于概率的数据结构,适用于企业局域网监控中海量连接记录的高效处理。其通过多层索引机制实现快速查找、插入和删除操作,时间复杂度为 $O(\log n)$,优于链表和平衡树。跳表在异常连接识别、黑名单管理和历史记录溯源等场景中表现出色,具备实现简单、支持范围查询等优势,是企业网络监控中动态数据管理的理想选择。
148 0
|
6月前
|
监控 算法 数据处理
基于 C++ 的 KD 树算法在监控局域网屏幕中的理论剖析与工程实践研究
本文探讨了KD树在局域网屏幕监控中的应用,通过C++实现其构建与查询功能,显著提升多维数据处理效率。KD树作为一种二叉空间划分结构,适用于屏幕图像特征匹配、异常画面检测及数据压缩传输优化等场景。相比传统方法,基于KD树的方案检索效率提升2-3个数量级,但高维数据退化和动态更新等问题仍需进一步研究。未来可通过融合其他数据结构、引入深度学习及开发增量式更新算法等方式优化性能。
181 17
|
5月前
|
存储 机器学习/深度学习 算法
基于 C++ 的局域网访问控制列表(ACL)实现及局域网限制上网软件算法研究
本文探讨局域网限制上网软件中访问控制列表(ACL)的应用,分析其通过规则匹配管理网络资源访问的核心机制。基于C++实现ACL算法原型,展示其灵活性与安全性。文中强调ACL在企业与教育场景下的重要作用,并提出性能优化及结合机器学习等未来研究方向。
151 4
|
5月前
|
机器学习/深度学习 存储 算法
基于 C++ 布隆过滤器算法的局域网上网行为控制:URL 访问过滤的高效实现研究
本文探讨了一种基于布隆过滤器的局域网上网行为控制方法,旨在解决传统黑白名单机制在处理海量URL数据时存储与查询效率低的问题。通过C++实现URL访问过滤功能,实验表明该方法可将内存占用降至传统方案的八分之一,查询速度提升约40%,假阳性率可控。研究为优化企业网络管理提供了新思路,并提出结合机器学习、改进哈希函数及分布式协同等未来优化方向。
160 0
|
7月前
|
存储 监控 算法
基于 C++ 哈希表算法的局域网如何监控电脑技术解析
当代数字化办公与生活环境中,局域网的广泛应用极大地提升了信息交互的效率与便捷性。然而,出于网络安全管理、资源合理分配以及合规性要求等多方面的考量,对局域网内计算机进行有效监控成为一项至关重要的任务。实现局域网内计算机监控,涉及多种数据结构与算法的运用。本文聚焦于 C++ 编程语言中的哈希表算法,深入探讨其在局域网计算机监控场景中的应用,并通过详尽的代码示例进行阐释。
161 4
|
8月前
|
存储 算法 安全
企业员工数据泄露防范策略:基于 C++ 语言的布隆过滤器算法剖析[如何防止员工泄密]
企业运营过程中,防范员工泄密是信息安全领域的核心议题。员工泄密可能致使企业核心数据、商业机密等关键资产的流失,进而给企业造成严重损失。为应对这一挑战,借助恰当的数据结构与算法成为强化信息防护的有效路径。本文专注于 C++ 语言中的布隆过滤器算法,深入探究其在防范员工泄密场景中的应用。
187 8
|
9月前
|
编译器 C++ 开发者
【C++篇】深度解析类与对象(下)
在上一篇博客中,我们学习了C++的基础类与对象概念,包括类的定义、对象的使用和构造函数的作用。在这一篇,我们将深入探讨C++类的一些重要特性,如构造函数的高级用法、类型转换、static成员、友元、内部类、匿名对象,以及对象拷贝优化等。这些内容可以帮助你更好地理解和应用面向对象编程的核心理念,提升代码的健壮性、灵活性和可维护性。