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
|
9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
56 0
|
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
684 0
|
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
|
人工智能 文字识别 前端开发
阿里云视觉训练-第二天
今天使用阿里云视觉平台API快速开发在线视觉AI平台,了解如何搭建身份证识别系统,从而扩展到其他的识别系统。
782 0
|
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
129 0
阿里云视觉训练-第三天
今天是视觉训练的第三天!
440 0
|
7月前
|
自然语言处理 前端开发
研究上百个小时,高手总结了这份 DALL-E 3 人物连续性公式(下)
研究上百个小时,高手总结了这份 DALL-E 3 人物连续性公式(下)
56 0
|
7月前
研究上百个小时,高手总结了这份 DALL-E 3 人物连续性公式(中)
研究上百个小时,高手总结了这份 DALL-E 3 人物连续性公式(中)
49 0
|
7月前
研究上百个小时,高手总结了这份 DALL-E 3 人物连续性公式(上)
研究上百个小时,高手总结了这份 DALL-E 3 人物连续性公式(上)
56 0
|
数据采集 机器学习/深度学习 存储
ChatGPT:短期被高估
ChatGPT:短期被高估
189 0

热门文章

最新文章