赢得比赛需要的最少训练时长

简介: 赢得比赛需要的最少训练时长

说在前面

🎈不知道大家对于算法的学习是一个怎样的心态呢?为了面试还是因为兴趣?不管是出于什么原因,算法学习需要持续保持。

题目描述

你正在参加一场比赛,给你两个 整数 initialEnergyinitialExperience 分别表示你的初始精力和初始经验。

另给你两个下标从 0 开始的整数数组 energyexperience,长度均为 n

你将会 依次 对上 n 个对手。第 i 个对手的精力和经验分别用 energy[i]experience[i] 表示。当你对上对手时,需要在经验和精力上都 严格 超过对手才能击败他们,然后在可能的情况下继续对上下一个对手。

击败第 i 个对手会使你的经验 增加 experience[i],但会将你的精力 减少  energy[i]

在开始比赛前,你可以训练几个小时。每训练一个小时,你可以选择将增加经验增加 1 或者 将精力增加 1 。

返回击败全部 n 个对手需要训练的 最少 小时数目。

示例 1:

输入: initialEnergy = 5, initialExperience = 3, energy = [1,4,3,2], experience = [2,6,3,1]
输出: 8
解释: 在 6 小时训练后,你可以将精力提高到 11 ,并且再训练 2 个小时将经验提高到 5 。
按以下顺序与对手比赛:
- 你的精力与经验都超过第 0 个对手,所以获胜。
  精力变为:11 - 1 = 10 ,经验变为:5 + 2 = 7 。
- 你的精力与经验都超过第 1 个对手,所以获胜。
  精力变为:10 - 4 = 6 ,经验变为:7 + 6 = 13 。
- 你的精力与经验都超过第 2 个对手,所以获胜。
  精力变为:6 - 3 = 3 ,经验变为:13 + 3 = 16 。
- 你的精力与经验都超过第 3 个对手,所以获胜。
  精力变为:3 - 2 = 1 ,经验变为:16 + 1 = 17 。
在比赛前进行了 8 小时训练,所以返回 8 。
可以证明不存在更小的答案。

示例 2:

输入: initialEnergy = 2, initialExperience = 4, energy = [1], experience = [3]
输出: 0
解释: 你不需要额外的精力和经验就可以赢得比赛,所以返回 0 。

提示:

  • n == energy.length == experience.length
  • 1 <= n <= 100
  • 1 <= initialEnergy, initialExperience, energy[i], experience[i] <= 100

思路分析

首先我们还是要先来理解一下题意,题目给出四个参数,分别是:

  • initialEnergy

初始精力

  • initialExperience

初始经验

  • energy

每个对手的精力

  • experience

每个对手的经验

还有两个关键的信息需要注意

  • 当你对上对手时,需要在经验和精力上都 严格 超过对手才能击败他们,然后在可能的情况下继续对上下一个对手。
  • 击败第 i 个对手会使你的经验 增加 experience[i],但会将你的精力 减少  energy[i]

我们可以直接模拟比赛过程,判断对上每一个对手时的精力和经验,计算初始精力和经验应该调整的量。

  • 1、遍历每一位对手
for(let i = 0; i < energy.length; i++){
    ……
}
  • 2、判断精力是否需要增加
for(let i = 0; i < energy.length; i++){
    if(initialEnergy <= energy[i]){
        res += energy[i] - initialEnergy + 1;
        initialEnergy = energy[i] + 1;
    }
    initialEnergy -= energy[i];
    ……
}
  • 3、判断经验是否需要增加
for(let i = 0; i < energy.length; i++){
    if(initialExperience <= experience[i]){
        res += experience[i] - initialExperience + 1;
        initialExperience = experience[i] + 1;
    }
    initialExperience += experience[i];
}

完整代码如下:

AC代码

/**
 * @param {number} initialEnergy
 * @param {number} initialExperience
 * @param {number[]} energy
 * @param {number[]} experience
 * @return {number}
 */
var minNumberOfHours = function(initialEnergy, initialExperience, energy, experience) {
    let res = 0;
    for(let i = 0; i < energy.length; i++){
        if(initialEnergy <= energy[i]){
            res += energy[i] - initialEnergy + 1;
            initialEnergy = energy[i] + 1;
        }
        initialEnergy -= energy[i];
        if(initialExperience <= experience[i]){
            res += experience[i] - initialExperience + 1;
            initialExperience = experience[i] + 1;
        }
        initialExperience += experience[i];
    }
    return res;
};

公众号

关注公众号『前端也能这么有趣』,获取更多有趣内容。

说在后面

🎉 这里是 JYeontu,现在是一名前端工程师,有空会刷刷算法题,平时喜欢打羽毛球 🏸 ,平时也喜欢写些东西,既为自己记录 📋,也希望可以对大家有那么一丢丢的帮助,写的不好望多多谅解 🙇,写错的地方望指出,定会认真改进 😊,偶尔也会在自己的公众号『前端也能这么有趣』发一些比较有趣的文章,有兴趣的也可以关注下。在此谢谢大家的支持,我们下文再见 🙌。

目录
相关文章
|
3月前
|
机器学习/深度学习 人工智能 数据可视化
文心千帆大模型测评分享,效果超出预期
文心千帆大模型测评分享,效果超出预期
53 1
|
5月前
【每日一题Day145】LC2383赢得比赛需要的最少训练时长 | 模拟
【每日一题Day145】LC2383赢得比赛需要的最少训练时长 | 模拟
28 0
|
3月前
|
机器学习/深度学习 人工智能 数据可视化
太强!AI没有落下的腾讯出YOLO-World爆款 | 开集目标检测速度提升20倍,效果不减
太强!AI没有落下的腾讯出YOLO-World爆款 | 开集目标检测速度提升20倍,效果不减
321 0
|
9月前
|
机器学习/深度学习 数据采集 人工智能
150亿参数、一次通过率超60%,华为代码能力超GPT3.5的大模型来了
150亿参数、一次通过率超60%,华为代码能力超GPT3.5的大模型来了
135 0
|
10月前
|
人工智能 运维 自然语言处理
GPT-4 性能炸天:10 秒做出一个网站,在考试中击败 90% 人类
GPT-4 性能炸天:10 秒做出一个网站,在考试中击败 90% 人类
|
12月前
|
编解码 数据可视化 物联网
基于 PPDiffusers 训练 AIGC 趣味模型【中国美食与花】
基于 PPDiffusers 训练 AIGC 趣味模型【中国美食与花】
94 0
|
12月前
|
机器学习/深度学习 机器人 计算机视觉
耗时两年,谷歌用强化学习打造23个机器人帮助垃圾分类
耗时两年,谷歌用强化学习打造23个机器人帮助垃圾分类
|
12月前
|
机器学习/深度学习 人工智能 搜索推荐
3090单卡5小时,每个人都能训练专属ChatGPT,港科大开源LMFlow
3090单卡5小时,每个人都能训练专属ChatGPT,港科大开源LMFlow
338 0
|
12月前
|
人工智能 监控 机器人
OpenAI重磅研究:ChatGPT可能影响80%工作岗位,收入越高影响越大
OpenAI重磅研究:ChatGPT可能影响80%工作岗位,收入越高影响越大
|
12月前
|
机器学习/深度学习 存储 分布式计算
KDD 2022 | 快手提出基于因果消偏的观看时长预估模型D2Q,解决短视频推荐视频时长bias难题
KDD 2022 | 快手提出基于因果消偏的观看时长预估模型D2Q,解决短视频推荐视频时长bias难题
336 0