【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
|
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。
51 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。
99 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。
174 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)
677 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。
164 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++)