【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
|
1月前
|
算法 Python
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果;贪心算法在每一步选择局部最优解,追求全局最优;动态规划通过保存子问题的解,避免重复计算,确保全局最优。这三种算法各具特色,适用于不同类型的问题,合理选择能显著提升编程效率。
53 2
|
2月前
|
算法
动态规划算法学习三:0-1背包问题
这篇文章是关于0-1背包问题的动态规划算法详解,包括问题描述、解决步骤、最优子结构性质、状态表示和递推方程、算法设计与分析、计算最优值、算法实现以及对算法缺点的思考。
103 2
动态规划算法学习三:0-1背包问题
|
2月前
|
算法
动态规划算法学习四:最大上升子序列问题(LIS:Longest Increasing Subsequence)
这篇文章介绍了动态规划算法中解决最大上升子序列问题(LIS)的方法,包括问题的描述、动态规划的步骤、状态表示、递推方程、计算最优值以及优化方法,如非动态规划的二分法。
80 0
动态规划算法学习四:最大上升子序列问题(LIS:Longest Increasing Subsequence)
|
2月前
|
算法
动态规划算法学习二:最长公共子序列
这篇文章介绍了如何使用动态规划算法解决最长公共子序列(LCS)问题,包括问题描述、最优子结构性质、状态表示、状态递归方程、计算最优值的方法,以及具体的代码实现。
175 0
动态规划算法学习二:最长公共子序列
|
2月前
|
存储 算法 C++
高精度算法(加、减、乘、除,使用c++实现)
高精度算法(加、减、乘、除,使用c++实现)
685 0
高精度算法(加、减、乘、除,使用c++实现)
|
2月前
|
算法 数据处理 C++
c++ STL划分算法;partition()、partition_copy()、stable_partition()、partition_point()详解
这些算法是C++ STL中处理和组织数据的强大工具,能够高效地实现复杂的数据处理逻辑。理解它们的差异和应用场景,将有助于编写更加高效和清晰的C++代码。
47 0
|
2月前
|
存储 算法
动态规划算法学习一:DP的重要知识点、矩阵连乘算法
这篇文章是关于动态规划算法中矩阵连乘问题的详解,包括问题描述、最优子结构、重叠子问题、递归方法、备忘录方法和动态规划算法设计的步骤。
166 0
|
2月前
|
存储 算法 决策智能
【算法】博弈论(C/C++)
【算法】博弈论(C/C++)
|
2月前
|
存储 算法 C++
【算法】哈希映射(C/C++)
【算法】哈希映射(C/C++)
|
2月前
|
机器学习/深度学习 人工智能 算法
【算法】最长公共子序列(C/C++)
【算法】最长公共子序列(C/C++)