【动态规划】【数学】【C++算法】1449. 数位成本和为目标值的最大数字

简介: 【动态规划】【数学】【C++算法】1449. 数位成本和为目标值的最大数字

作者推荐

【深度优先搜索】【树】【图论】2973. 树中每个节点放置的金币数目

本文涉及知识点

动态规划汇总

LeetCode1449. 数位成本和为目标值的最大数字

给你一个整数数组 cost 和一个整数 target 。请你返回满足如下规则可以得到的 最大 整数:

给当前结果添加一个数位(i + 1)的成本为 cost[i] (cost 数组下标从 0 开始)。

总成本必须恰好等于 target 。

添加的数位中没有数字 0 。

由于答案可能会很大,请你以字符串形式返回。

如果按照上述要求无法得到任何整数,请你返回 “0” 。

示例 1:

输入:cost = [4,3,2,5,6,7,2,5,5], target = 9

输出:“7772”

解释:添加数位 ‘7’ 的成本为 2 ,添加数位 ‘2’ 的成本为 3 。所以 “7772” 的代价为 23+ 31 = 9 。 “977” 也是满足要求的数字,但 “7772” 是较大的数字。

数字 成本

1 -> 4

2 -> 3

3 -> 2

4 -> 5

5 -> 6

6 -> 7

7 -> 2

8 -> 5

9 -> 5

示例 2:

输入:cost = [7,6,5,5,5,6,8,7,8], target = 12

输出:“85”

解释:添加数位 ‘8’ 的成本是 7 ,添加数位 ‘5’ 的成本是 5 。“85” 的成本为 7 + 5 = 12 。

示例 3:

输入:cost = [2,4,6,2,4,6,4,4,4], target = 5

输出:“0”

解释:总成本是 target 的条件下,无法生成任何整数。

示例 4:

输入:cost = [6,10,15,40,40,40,40,40,40], target = 47

输出:“32211”

提示:

cost.length == 9

1 <= cost[i] <= 5000

1 <= target <= 5000

动态规划的状态表示

dp[i] = v 表示成本为i能够表示的最大数。v有10个元素,v[0]表示总数量,v[1]到V[9]表示9到1的数量。

v[0] = -10000。表示非法。 v大,则表示的数大。

动态规划的转移方程

v1 = v ;

v1[0]++,v1[10-j]++

dp[i+ cost [j-1] =max(⋯ \cdots,v1)

动态规划的初始值

dp[0][0]为0,dp[?][0]为-10000。其它为0。

动态规划的填表顺序

第一层循环:枚举9到1。

第二层循环:枚举各状态。

可以这样理解:第一层枚举的是最小的数,第二层枚举的是除了最小数外的数。

不需要枚举: “” → \rightarrow “777”

只需要枚举 “” → \rightarrow “7” → \rightarrow “77” → \rightarrow “777”

动态规划的返回值

dp[target] 转成字符串。

代码

核心代码

class Solution {
public:
  string largestNumber(vector<int>& cost, int target) {
    vector<vector<int>> dp(target+1, vector<int>(10));
    for (int i = 1; i <= target; i++)
    {
      dp[i][0] = -10'000;
    }
    for (int j = 9; j >= 1; j--)
    {
      for (int cost0 = 0; cost0 <= target; cost0++)
      {
        const int cost1 = cost0 + cost[j - 1];
        if (cost1 > target)
        {
          continue;
        }
        auto v1 = dp[cost0];
        v1[0]++;
        v1[10 - j]++;
        dp[cost1] = max(dp[cost1], v1);
      }
    }
    if (dp.back()[0] < 0)
    {
      return "0";
    }
    string strRet;
    for (int i = 1; i <= 9; i++)
    {
      strRet += string(dp.back()[i], '0' + 10 - i);
    }
    return strRet;
  }
};

测试用例

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> cost;
  int target;
  {
    Solution sln;
    cost = { 4, 3, 2, 5, 6, 7, 2, 5, 5 }, target = 9;
    auto res = sln.largestNumber(cost, target);
    Assert(string("7772"), res);
  }
  {
    Solution sln;
    cost = { 7, 6, 5, 5, 5, 6, 8, 7, 8 }, target = 12;
    auto res = sln.largestNumber(cost, target);
    Assert(string("85"), res);
  }
  {
    Solution sln;
    cost = { 2,4,6,2,4,6,4,4,4 }, target = 5;
    auto res = sln.largestNumber(cost, target);
    Assert(string("0"), res);
  }
}

2023年2月

class Solution {

public:

string largestNumber(vector& cost, int target) {

vector pre(target + 1, -10000);

vector<vector> preNums(target + 1,vector(10));

pre[0] = 0;

for (int i = 1; i <= 9; i++)

{

vector dp = pre;

vector<vector> nums = preNums;

const int iCost = cost[i - 1];

for (int j = iCost; j <= target; j++)

{

if (dp[j - iCost] + 1 >= dp[j])

{

dp[j] = dp[j - iCost] + 1;

nums[j] = nums[j - iCost];

nums[j][i]++;

}

}

pre.swap(dp);

preNums.swap(nums);

}

if (pre[target] <= 0)

{

return string(“0”);

}

string str;

for (int i = 9; i >= 1; i-- )

{

str += string(preNums[target][i], i + ‘0’);

}

return str;

}

};

2023年7月

class Solution {

public:

string largestNumber(vector& cost, int target) {

vector<vector> dp(target + 1);

dp[0].resize(10);//dp[0][0]表示1到9的数量dp[0][1]表示9的数量,dp[1][2]表示8的数量…

for (int i = 8 ; i >= 0 ; i–)

{

for (int j = 0; j + cost[i] <= target; j++)

{

vector pre = dp[j];

if (0 == pre.size())

{

continue;

}

pre[0]++;

pre[9 - i]++;

auto& cur = dp[j + cost[i]];

if (0 == cur.size() || (cur < pre))

{

cur = pre;

}

}

}

if (0 == dp.back().size())

{

return “0”;

}

string str;

for (int i = 1; i < dp.back().size(); i++)

{

str += string(dp.back()[i], 10 - i + ‘0’);

}

return str;

}

};


相关文章
|
1月前
|
算法 测试技术 C++
【动态规划算法】蓝桥杯填充问题(C/C++)
【动态规划算法】蓝桥杯填充问题(C/C++)
|
8天前
|
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。
25 2
|
1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。
62 2
动态规划算法学习三:0-1背包问题
|
1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。
65 0
动态规划算法学习四:最大上升子序列问题(LIS:Longest Increasing Subsequence)
|
1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。
118 0
动态规划算法学习二:最长公共子序列
|
1月前
|
机器学习/深度学习 人工智能 算法
【MM2024】面向 StableDiffusion 的多目标图像编辑算法 VICTORIA
阿里云人工智能平台 PAI 团队与华南理工大学合作在国际多媒体顶级会议 ACM MM2024 上发表 VICTORIA 算法,这是一种面向 StableDiffusion 的多目标图像编辑算法。VICTORIA 通过文本依存关系来修正图像编辑过程中的交叉注意力图,从而确保关系对象的一致性,支持用户通过修改描述性提示一次性编辑多个目标。
|
1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。
97 0
|
1月前
|
算法 C++
【算法解题思想】动态规划+深度优先搜索(C/C++)
【算法解题思想】动态规划+深度优先搜索(C/C++)
|
6天前
|
存储 编译器 C++
【c++】类和对象(中)(构造函数、析构函数、拷贝构造、赋值重载)
本文深入探讨了C++类的默认成员函数,包括构造函数、析构函数、拷贝构造函数和赋值重载。构造函数用于对象的初始化,析构函数用于对象销毁时的资源清理,拷贝构造函数用于对象的拷贝,赋值重载用于已存在对象的赋值。文章详细介绍了每个函数的特点、使用方法及注意事项,并提供了代码示例。这些默认成员函数确保了资源的正确管理和对象状态的维护。
29 4
|
7天前
|
存储 编译器 Linux
【c++】类和对象(上)(类的定义格式、访问限定符、类域、类的实例化、对象的内存大小、this指针)
本文介绍了C++中的类和对象,包括类的概念、定义格式、访问限定符、类域、对象的创建及内存大小、以及this指针。通过示例代码详细解释了类的定义、成员函数和成员变量的作用,以及如何使用访问限定符控制成员的访问权限。此外,还讨论了对象的内存分配规则和this指针的使用场景,帮助读者深入理解面向对象编程的核心概念。
23 4