【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
|
算法 机器人 定位技术
【VRPTW】基于matlab秃鹰算法BES求解带时间窗的骑手外卖配送路径规划问题(目标函数:最优路径成本 含服务客户数量 服务时间 载量 路径长度)(Matlab代码实现)
【VRPTW】基于matlab秃鹰算法BES求解带时间窗的骑手外卖配送路径规划问题(目标函数:最优路径成本 含服务客户数量 服务时间 载量 路径长度)(Matlab代码实现)
370 0
|
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。
318 2
|
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。
|
机器学习/深度学习 人工智能 算法
当AI提示词遇见精密算法:TimeGuessr如何用数学魔法打造文化游戏新体验
TimeGuessr融合AI与历史文化,首创时间与空间双维度评分体系,结合分段惩罚、Haversine距离计算与加权算法,辅以连击、速度与完美奖励机制,实现公平且富挑战性的游戏体验。
|
机器学习/深度学习 传感器 算法
基于matlab瞬态三角哈里斯鹰算法TTHHO多无人机协同集群避障路径规划(目标函数:最低成本:路径、高度、威胁、转角)(Matlab代码实现)
基于matlab瞬态三角哈里斯鹰算法TTHHO多无人机协同集群避障路径规划(目标函数:最低成本:路径、高度、威胁、转角)(Matlab代码实现)
383 1
|
机器学习/深度学习 并行计算 算法
基于改进的粒子群算法PSO求解电容器布局优化问题HV配电中的功率损耗和成本 IEEE34节点(Matlab代码实现)
基于改进的粒子群算法PSO求解电容器布局优化问题HV配电中的功率损耗和成本 IEEE34节点(Matlab代码实现)
211 1
|
存储 自然语言处理 算法
基于内存高效算法的 LLM Token 优化:一个有效降低 API 成本的技术方案
本文探讨了在构建对话系统时如何通过一种内存高效算法降低大语言模型(LLM)的Token消耗和运营成本。传统方法中,随着对话深度增加,Token消耗呈指数级增长,导致成本上升。
1502 7
基于内存高效算法的 LLM Token 优化:一个有效降低 API 成本的技术方案
|
算法 安全 数据可视化
基于多目标鲸鱼优化算法(NSWOA)求解地铁隧道竖向位移和成本的双目标求解(以铁道科学报与工程文章为例)研究(Matlab代码实现)
基于多目标鲸鱼优化算法(NSWOA)求解地铁隧道竖向位移和成本的双目标求解(以铁道科学报与工程文章为例)研究(Matlab代码实现)
213 0
|
机器学习/深度学习 算法 数据挖掘
【配送路径规划】基于螳螂虾算法MShOA求解带时间窗的骑手外卖配送路径规划问题(目标函数:最优路径成本 含服务客户数量 服务时间 载量 路径长度)研究(Matlab代码实现)
【配送路径规划】基于螳螂虾算法MShOA求解带时间窗的骑手外卖配送路径规划问题(目标函数:最优路径成本 含服务客户数量 服务时间 载量 路径长度)研究(Matlab代码实现)
440 0
|
算法 Python
【配送路径规划】基于遗传算法求解带时间窗的电动汽车配送路径规划(目标函数:最小成本;约束条件:续驶里程、额定载重量、数量、起始点)研究(Matlab代码实现)
【配送路径规划】基于遗传算法求解带时间窗的电动汽车配送路径规划(目标函数:最小成本;约束条件:续驶里程、额定载重量、数量、起始点)研究(Matlab代码实现)
444 0

热门文章

最新文章