【动态规划】【C++算法】1563 石子游戏 V

简介: 【动态规划】【C++算法】1563 石子游戏 V

作者推荐

【数位dp】【动态规划】【状态压缩】【推荐】1012. 至少有 1 位重复的数字

本文涉及知识点

动态规划汇总

LeetCoce:1563 石子游戏 V

几块石子 排成一行 ,每块石子都有一个关联值,关联值为整数,由数组 stoneValue 给出。

游戏中的每一轮:Alice 会将这行石子分成两个 非空行(即,左侧行和右侧行);Bob 负责计算每一行的值,即此行中所有石子的值的总和。Bob 会丢弃值最大的行,Alice 的得分为剩下那行的值(每轮累加)。如果两行的值相等,Bob 让 Alice 决定丢弃哪一行。下一轮从剩下的那一行开始。

只 剩下一块石子 时,游戏结束。Alice 的分数最初为 0 。

返回 Alice 能够获得的最大分数 。

示例 1:

输入:stoneValue = [6,2,3,4,5,5]

输出:18

解释:在第一轮中,Alice 将行划分为 [6,2,3],[4,5,5] 。左行的值是 11 ,右行的值是 14 。Bob 丢弃了右行,Alice 的分数现在是 11 。

在第二轮中,Alice 将行分成 [6],[2,3] 。这一次 Bob 扔掉了左行,Alice 的分数变成了 16(11 + 5)。

最后一轮 Alice 只能将行分成 [2],[3] 。Bob 扔掉右行,Alice 的分数现在是 18(16 + 2)。游戏结束,因为这行只剩下一块石头了。

示例 2:

输入:stoneValue = [7,7,7,7,7,7,7]

输出:28

示例 3:

输入:stoneValue = [4]

输出:0

提示:

1 <= stoneValue.length <= 500

1 <= stoneValue[i] <= 106

动态规划

原理

石头数相等,和大的不一定更优。比如:{1,19}劣于{8,8}。

n堆石头在右边增加一堆后,不一定更优。比如:{16,1,8,8} → \rightarrow {8,8} → \rightarrow {8} 总共24分。

{16,1,8,8,2} → \rightarrow {16,1} → \rightarrow {1} 总共17 分。

动态规划的状态表示

dp[i][j] 表示stonevalue[i,j]的最大得分

状态数:O(nn),故空间复杂度:O(nn)

动态规划的转移方程

如果暴力转移,总时间复杂度是O(n3)。

dp2[i][j] = m a x m : i j \Large max_{m:i}^jmaxm:ij(dp[i][m]+sum[i,m])

dp3[i][j=]m a x m : j i \Large max_{m:j}^imaxm:ji(dp[m][j]+sum[m,j])

转移dp[i][j]时,分三种情况:

左边小于右边:通过dp2转移。

两者相等,直接计算。

左边大于右边,通过dp3转移。

动态规划的初始值

全部为0。

动态规划的填表顺序

第一层循环,枚举长度len,从2到大。第二层循环枚举i。

动态规划的返回值

dp[0].back()

代码

核心代码

class Solution{
public:
  int stoneGameV(vector<int>&stoneValue) {
    m_c = stoneValue.size();
    vector <vector<int>> dp(m_c, vector<int>(m_c)), dp2(m_c, vector<int>(m_c)), dp3(m_c, vector<int>(m_c));
    for (int i = 0; i < m_c; i++)
    {
      dp2[i][i] = dp3[i][i] = stoneValue[i];
    }
    for (int len = 2; len <= m_c; len++)
    {     
      int leftSum = 0;
      int totalSum = std::accumulate(stoneValue.begin(), stoneValue.begin() + len,0);
      for (int i = 0,i1=0; i + len <= m_c; i++)
      {更新dp leftSum = stone[i,i1)之和  totalSum= stone[i,j]之和
        const int j = i + len - 1;
        if (i1 < i)
        {
          i1++;
        }
        while ((leftSum + stoneValue[i1]) * 2 < totalSum)
        {
          leftSum += stoneValue[i1++];
        }
        auto& cur = dp[i][j];
        if (i1-1 >= i )
        {
          cur = dp2[i][i1-1];
        }
        int j1 = i1;
        if ((leftSum + stoneValue[i1]) * 2 == totalSum)
        {
          cur = max(cur, dp[i][i1]+ totalSum/2);
          cur = max(cur, dp[i1 + 1][j] + totalSum / 2);
          j1++;
        }
        if (j >= j1+1)
        {
          cur = max(cur, dp3[j1 + 1][j]);
        }
        //更新dp2
        dp2[i][j] = max(dp2[i][j-1], cur + totalSum);
        //更新dp3
        dp3[i][j] = max(dp3[i+1][j],cur + totalSum);
        if (i1 > i)
        {
          leftSum -= stoneValue[i];
        }
        totalSum -= stoneValue[i];
        if (i + len < m_c)
        {
          totalSum += stoneValue[i + len];
        }
      }     
    }
    return dp[0].back();
  }
  int m_c;
};

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> stoneValue;
  {
    Solution sln;
    stoneValue = { 4 };
    auto res = sln.stoneGameV(stoneValue);
    Assert(res, 0);
  }
  {
    Solution sln;
    stoneValue = { 2,1,1 };
    auto res = sln.stoneGameV(stoneValue);
    Assert(res, 3);
  }
  {
    Solution sln;
    stoneValue = { 7,7,7 };
    auto res = sln.stoneGameV(stoneValue);
    Assert(res, 7);
  }
  {
    Solution sln;
    stoneValue = { 7,7,7,7,7,7,7 };
    auto res = sln.stoneGameV(stoneValue);
    Assert(res, 28);
  }
  
  {
    Solution sln;
    stoneValue = { 6, 2, 3, 4, 5, 5 };
    auto res = sln.stoneGameV(stoneValue);
    Assert(res, 18);
  }
  {
    Solution sln;
    stoneValue = { 98,77,24,49,6,12,2,44,51,96 };
    auto res = sln.stoneGameV(stoneValue);
    Assert(res, 330);
  }
}

2023年2月

class Solution {

public:

int stoneGameV(const vector& stoneValue) {

m_stoneValue = stoneValue;

m_c = m_stoneValue.size();

m_vSums.push_back(0);

for (int i = 0; i < m_c; i++)

{

m_vSums.push_back(m_vSums[i] + stoneValue[i]);

}

m_vMaxValue.assign(m_c, vector(m_c,-1));

return dfs(0, m_c - 1);

}

int dfs(const int iBegin, const int iEnd)

{

if (-1 != m_vMaxValue[iBegin][iEnd])

{

return m_vMaxValue[iBegin][iEnd];

}

if (iBegin == iEnd)

{

return m_vMaxValue[iBegin][iEnd] = 0;

}

int iTotal = m_vSums[iEnd + 1] - m_vSums[iBegin];

int iLeftSumMul2SumTotal = -iTotal;

int iMaxValue = 0;

for (int i = iBegin; i < iEnd; i++)

{

iLeftSumMul2SumTotal += m_stoneValue[i] * 2;

const int iLeftAdd = m_vSums[i + 1] - m_vSums[iBegin];

const int iRightAdd = m_vSums[iEnd + 1] - m_vSums[i+1];

if (iLeftSumMul2SumTotal <= 0)

{

iMaxValue = max(iMaxValue, dfs(iBegin, i) + iLeftAdd );

}

if ( iLeftSumMul2SumTotal >= 0)

{

iMaxValue = max(iMaxValue, dfs(i + 1, iEnd) + iRightAdd);

}

}

return m_vMaxValue[iBegin][iEnd] = iMaxValue;

}

int m_c;

vector m_vSums;

std::vector<vector> m_vMaxValue;

vector m_stoneValue;

};

2023年7月

class Solution {

public:

int stoneGameV(vector& stoneValue) {

m_c = stoneValue.size();

vector<vector> vLeftRight(m_c, vector(m_c + 1));//左闭右开

vector<vector> vLeftPre(m_c, vector(m_c )), vRightPre(m_c, vector(m_c));//左闭右闭

for (int i = 0; i < m_c; i++)

{

vLeftPre[i][i] = vRightPre[i][i] = stoneValue[i];

}

for (int left = m_c-1 ; left >=0 ; left–)

{

int i = left ;

int iLeftSum = 0;//记录[left,i)总石头数量

int iSum = stoneValue[left];//记录[left,right)的总石头数量

for (int right = left + 2; right <= m_c; right++)

{

iSum += stoneValue[right-1];

//确保[left,i)的石头数小于等于[i,right) [i,right)不为空 的前提下,i的最大值

while ((i < right) && ((iLeftSum + stoneValue[i]) * 2 <= iSum))

{

iLeftSum += stoneValue[i];

i++;

}

if (iLeftSum * 2 == iSum)

{

vLeftRight[left][right] = max( vLeftPre[left][i - 1], vRightPre[i][right - 1]);

}

else

{

const int iRightI = i + 1;

vLeftRight[left][right] = max((i == left ) ? 0 : vLeftPre[left][i - 1], (iRightI >= right) ? 0 : vRightPre[iRightI][right - 1]);

}

vLeftPre[left][right - 1] = max(vLeftRight[left][right]+iSum, vLeftPre[left][right - 2]);

vRightPre[left][right-1] = max(vLeftRight[left][right] +iSum, (0==left)?0:vRightPre[left+1][right - 1]);

}

}

return vLeftRight.front().back();

}

int m_c;

};


相关文章
|
11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。
217 2
|
7月前
|
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。
|
11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。
268 17
|
9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。
235 0
|
10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。
285 0
|
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。
244 4
|
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。
268 8
|
6月前
|
机器学习/深度学习 算法 机器人
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
583 0
|
6月前
|
数据采集 分布式计算 并行计算
mRMR算法实现特征选择-MATLAB
mRMR算法实现特征选择-MATLAB
377 2
|
7月前
|
传感器 机器学习/深度学习 编解码
MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性
MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性
322 3