【状态压缩 动态规划 数论】1799. N 次操作后的最大分数和

简介: 【状态压缩 动态规划 数论】1799. N 次操作后的最大分数和

本文涉及知识点

状态压缩 动态规划 数论

动态规划汇总

LeetCode1799. N 次操作后的最大分数和

给你 nums ,它是一个大小为 2 * n 的正整数数组。你必须对这个数组执行 n 次操作。

在第 i 次操作时(操作编号从 1 开始),你需要:

选择两个元素 x 和 y 。

获得分数 i * gcd(x, y) 。

将 x 和 y 从 nums 中删除。

请你返回 n 次操作后你能获得的分数和最大为多少。

函数 gcd(x, y) 是 x 和 y 的最大公约数。

示例 1:

输入:nums = [1,2]

输出:1

解释:最优操作是:

(1 * gcd(1, 2)) = 1

示例 2:

输入:nums = [3,4,6,8]

输出:11

解释:最优操作是:

(1 * gcd(3, 6)) + (2 * gcd(4, 8)) = 3 + 8 = 11

示例 3:

输入:nums = [1,2,3,4,5,6]

输出:14

解释:最优操作是:

(1 * gcd(1, 5)) + (2 * gcd(2, 4)) + (3 * gcd(3, 6)) = 1 + 4 + 9 = 14

提示:

1 <= n <= 7

nums.length == 2 * n

1 <= nums[i] <= 106

动态规划

动态规划的状态表示

pre[mask] 表示,操作i-1次后,已经选取的数据状态为mask的最大分数和。mask的第i位为1,表示第i个数已经操作;为0,表示没有操作。

dp[mask]表示,操作i次后的最大得分。

空间复杂度😮(1 ^ 2n^)

动态规划的状态转移方程

对于任意一种前置状态iPre,枚举操作的两个数下标j1,j2。j1 < j2。 且mask中不包括j1,j2。

MaxSelf(dp[(1<

动态规划的初值

dp[0]=0,其它为10-7,不需要判断是否非法状态。或 -1,可能需要判断非法状态,实验了一下,也不需要判断非法状态。

判断非法状态,可以大幅提升运行速度,大约+400%。

动态规划返回值

pre.back()

动态规划的填表顺序

操作次数从小到,mask从到大,j1,j2从小到大。

代码

代码

template<class ELE>
void MaxSelf(ELE* seft, const ELE& other)
{
  *seft = max(*seft, other);
}
class Solution {
public:
  int maxScore(vector<int>& nums) {
    const int n2 = nums.size();
    const int iMaskCount = 1 << n2;
    vector<int> vPre(iMaskCount,-1);
    vPre[0] = 0;
    for (int i = 1; i <= n2 / 2; i++) {
      vector<int> dp(iMaskCount, -1);
      for (int iPre = 0; iPre < iMaskCount; iPre++) {
        
        for (int j1 = 0; j1 < n2; j1++) {
          for (int j2 = j1 + 1; j2 < n2; j2++) {
            const int iAddMask = (1 << j1) | (1 << j2);
            if (iPre & iAddMask) { continue; }
            MaxSelf(&dp[iPre | iAddMask], vPre[iPre] + i * gcd(nums[j1], nums[j2]));
          }
        }
      }
      vPre.swap(dp);
    }
    return vPre.back();
  }
};

测试用例

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]);
  }
}
template<class T>
void Assert(const T& t1, const T& t2)
{
  assert(t1 == t2);
}
int main()
{
  vector<int> nums;
  {
    Solution slu;
    nums = { 1, 2 };
    auto res = slu.maxScore(nums);
    Assert(1, res);
  }
  {
    Solution slu;
    nums = { 3,4,6,8 };
    auto res = slu.maxScore(nums);
    Assert(11, res);
  }
  {
    Solution slu;
    nums = { 1,2,3,4,5,6 };
    auto res = slu.maxScore(nums);
    Assert(14, res);
  }
}

扩展阅读

视频课程

有效学习:明确的目标 及时的反馈 拉伸区(难度合适),可以先学简单的课程,请移步CSDN学院,听白银讲师(也就是鄙人)的讲解。

https://edu.csdn.net/course/detail/38771

如何你想快速形成战斗了,为老板分忧,请学习C#入职培训、C++入职培训等课程

https://edu.csdn.net/lecturer/6176

相关下载

想高屋建瓴的学习算法,请下载《喜缺全书算法册》doc版

https://download.csdn.net/download/he_zhidan/88348653

我想对大家说的话
闻缺陷则喜是一个美好的愿望,早发现问题,早修改问题,给老板节约钱。
子墨子言之:事无终始,无务多业。也就是我们常说的专业的人做专业的事。
如果程序是一条龙,那算法就是他的是睛

测试环境

操作系统:win7 开发环境: VS2019 C++17

或者 操作系统:win10 开发环境: VS2022 C++17

如无特殊说明,本算法用**C++**实现。


相关文章
|
人工智能
【动态规划刷题 11】等差数列划分&& 最长湍流子数组
【动态规划刷题 11】等差数列划分&& 最长湍流子数组
|
11月前
|
算法 Python
贪心算法-分数背包问题(Python实现)
贪心算法-分数背包问题(Python实现)
108 0
|
6月前
|
算法 测试技术 C#
【数位dp】【数论】【动态规划】2999. 统计强大整数的数目
【数位dp】【数论】【动态规划】2999. 统计强大整数的数目
|
算法 内存技术
求组合数三种算法
求组合数三种算法
82 0
蓝桥杯:暴力求解四平方和
蓝桥杯:暴力求解四平方和
57 0
|
算法 C++
状态压缩算法的实现
状态压缩算法的实现
状态压缩算法的实现
|
算法 C++
容斥原理算法的实现
容斥原理算法的实现
容斥原理算法的实现
|
算法
【贪心法】分数背包问题
【贪心法】分数背包问题
286 0
|
Java BI
二分快速幂-题型归纳与总结
二分快速幂-题型归纳与总结
92 0
二分快速幂-题型归纳与总结
|
算法
数学知识:求组合数(三)
复习acwing算法基础课的内容,本篇为讲解数学知识:求组合数,关于时间复杂度:目前博主不太会计算,先鸽了,日后一定补上。
123 0
数学知识:求组合数(三)