文章目录
- 🎋前言
- 🎍[按摩师](https://leetcode.cn/problems/the-masseuse-lcci/)
- 🚩题目描述
- 🚩算法思路:
- 🚩代码实现
- 🍀[打家劫舍二](https://leetcode.cn/problems/house-robber-ii/description/)
- 🚩题目描述
- 🚩算法思路:
- 🚩代码实现
- 🎍[删除并获得点数](https://leetcode.cn/problems/delete-and-earn/description/)
- 🚩题目描述
- 🚩算法思路
- 🚩代码实现
- ⭕总结
🎋前言
动态规划相关题目都可以参考以下五个步骤进行解答:
-
状态表⽰
-
状态转移⽅程
-
初始化
-
填表顺序
-
返回值
后面题的解答思路也将按照这五个步骤进行讲解。
🎍按摩师
🚩题目描述
一个有名的按摩师会收到源源不断的预约请求,每个预约都可以选择接或不接。在每次预约服务之间要有休息时间,因此她不能接受相邻的预约。给定一个预约请求序列,替按摩师找到最优的预约集合(总预约时间最长),返回总的分钟数。
注意:本题相对原题稍作改动
- 示例 1:
输入: [1,2,3,1]
输出: 4
解释: 选择 1 号预约和 3 号预约,总时长 = 1 + 3 = 4。 - 示例 2:
输入: [2,7,9,3,1]
输出: 12
解释: 选择 1 号预约、 3 号预约和 5 号预约,总时长 = 2 + 9 + 1 = 12。 - 示例 3:
输入: [2,1,4,5,3,1,1,3]
输出: 12
解释: 选择 1 号预约、 3 号预约、 5 号预约和 8 号预约,总时长 = 2 + 4 + 3 + 3 = 12。
class Solution {public int massage(int[] nums) {}
}
🚩算法思路:
- 状态表⽰:
对于简单的线性 dp ,我们可以⽤「经验+题⽬要求」来定义状态表⽰:
- 以某个位置为结尾;
- 以某个位置为起点。
这⾥我们选择⽐较常⽤的⽅式,以某个位置为结尾,结合题⽬要求,定义⼀个状态表⽰:
dp[i] 表⽰:选择到 i 位置时,此时的最⻓预约时⻓。
但是我们这个题在 i 位置的时候,会⾯临「选择」或者「不选择」两种抉择,所依赖的状态需要细分:
- f[i] 表⽰:选择到 i 位置时, nums[i] 必选,此时的最⻓预约时⻓;
- g[i] 表⽰:选择到 i 位置时, nums[i] 不选,此时的最⻓预约时⻓。
- 状态转移⽅程:
因为状态表⽰定义了两个,因此我们的状态转移⽅程也要分析两个:
对于 f[i] :
- 如果 nums[i] 必选,那么我们仅需知道 i - 1 位置在不选的情况下的最⻓预约时⻓,然后加上 nums[i] 即可,因此 f[i] = g[i - 1] + nums[i] 。
对于 g[i] :
- 如果 nums[i] 不选,那么 i - 1 位置上选或者不选都可以。因此,我们需要知道 i- 1 位置上选或者不选两种情况下的最⻓时⻓,因此g[i] = max(f[i - 1], g[i- 1]) 。
-
初始化:
这道题的初始化⽐较简单,因此⽆需加辅助节点,仅需初始化 f[0] = nums[0], g[0] = 0 即可。 -
填表顺序
根据「状态转移⽅程」得「从左往右,两个表⼀起填」。 -
返回值
根据「状态表⽰」,应该返回 max(f[n - 1], g[n - 1]) 。
🚩代码实现
class Solution
{public int massage(int[] nums){// 1. 创建 dp 表// 2. 初始化// 3. 填表// 4. 返回值int n = nums.length;if(n == 0) return 0; // 处理边界条件int[] f = new int[n];int[] g = new int[n];f[0] = nums[0];for(int i = 1; i < n; i++){f[i] = g[i - 1] + nums[i];g[i] = Math.max(f[i - 1], g[i - 1]);}return Math.max(g[n - 1], f[n - 1]);}
}
当然博主这里还提供另一种解题方法,就不讲解了,直接给出代码,代码如下:
class Solution {public int massage(int[] nums) {int len = nums.length;if(len == 0) {return 0;}if(len == 1) {return nums[0];}int[] dp = new int[len + 1];dp[1] = nums[0];dp[2] = nums[1];for(int i = 3; i <= len ; i++) {int max = Math.max(dp[i-2],dp[i-3]);dp[i] = nums[i-1] + max;}return Math.max(dp[len-1],dp[len]);}
}
🍀打家劫舍二
🚩题目描述
你是一个专业的小偷,计划偷窃沿街的房屋,每间房内都藏有一定的现金。这个地方所有的房屋都 围成一圈 ,这意味着第一个房屋和最后一个房屋是紧挨着的。同时,相邻的房屋装有相互连通的防盗系统,如果两间相邻的房屋在同一晚上被小偷闯入,系统会自动报警 。
给定一个代表每个房屋存放金额的非负整数数组,计算你 在不触动警报装置的情况下 ,今晚能够偷窃到的最高金额。
- 示例 1:
输入:nums = [2,3,2]
输出:3
解释:你不能先偷窃 1 号房屋(金额 = 2),然后偷窃 3 号房屋(金额 = 2), 因为他们是相邻的。 - 示例 2:
输入:nums = [1,2,3,1]
输出:4
解释:你可以先偷窃 1 号房屋(金额 = 1),然后偷窃 3 号房屋(金额 = 3)。偷窃到的最高金额 = 1 + 3 = 4 。 - 示例 3:
输入:nums = [1,2,3]
输出:3
🚩算法思路:
这⼀个问题是「打家劫舍I」问题的变形。
上⼀个问题是⼀个「单排」的模式,这⼀个问题是⼀个「环形」的模式,也就是⾸尾是相连的。但是我们可以将「环形」问题转化为「两个单排」问题:
- 偷第⼀个房屋时的最⼤⾦额x ,此时不能偷最后⼀个房⼦,因此就是偷 [0, n - 2] 区间的房⼦;
- 不偷第⼀个房屋时的最⼤⾦额 y ,此时可以偷最后⼀个房⼦,因此就是偷 [1, n - 1] 区间的房⼦;
两种情况下的「最⼤值」,就是最终的结果。
因此,问题就转化成求「两次单排结果的最⼤值」。
🚩代码实现
class Solution
{public int rob(int[] nums) {int n = nums.length;return Math.max(nums[0] + rob1(nums, 2, n - 2), rob1(nums, 1, n - 1));}public int rob1(int[] nums, int left, int right) {if(left > right) return 0;// 1. 创建 dp 表// 2. 初始化// 3. 填表// 4. 返回int n = nums.length;int[] f= new int[n];int[] g= new int[n];f[left] = nums[left];for(int i = left + 1; i <= right; i++){f[i] = g[i - 1] + nums[i];g[i] = Math.max(g[i - 1], f[i - 1]);}return Math.max(f[right], g[right]);}
}
🎍删除并获得点数
🚩题目描述
给你一个整数数组 nums ,你可以对它进行一些操作。
每次操作中,选择任意一个 nums[i] ,删除它并获得 nums[i] 的点数。之后,你必须删除 所有 等于 nums[i] - 1 和 nums[i] + 1 的元素。
开始你拥有 0 个点数。返回你能通过这些操作获得的最大点数。
- 示例 1:
输入:nums = [3,4,2]
输出:6
解释:
删除 4 获得 4 个点数,因此 3 也被删除。之后,删除 2 获得 2 个点数。总共获得 6 个点数。 - 示例 2:
输入:nums = [2,2,3,3,3,4]
输出:9
解释:
删除 3 获得 3 个点数,接着要删除两个 2 和 4 。之后,再次删除 3 获得 3 个点数,再次删除 3 获得 3 个点数。总共获得 9 个点数。
class Solution {public int deleteAndEarn(int[] nums) {}
}
🚩算法思路
其实这道题依旧是「打家劫舍I」问题的变型。
我们注意到题⽬描述,选择 x 数字的时候, x - 1 与 x + 1 是不能被选择的。像不像「打家劫舍」问题中,选择 i 位置的⾦额之后,就不能选择 i - 1 位置以及 i + 1 位置的⾦额呢~
因此,我们可以创建⼀个⼤⼩为 10001 (根据题⽬的数据范围)的 hash 数组,将nums 数
组中每⼀个元素 x ,累加到 hash 数组下标 x 的位置处,然后在 hash 数组上来⼀次「打家劫舍」即可
🚩代码实现
class Solution {public int deleteAndEarn(int[] nums) {int[] arr = new int[10001];for(int i = 0; i < nums.length; i++) {arr[nums[i]] += nums[i];}int[] f= new int[10001];int[] g= new int[10001];f[0] = arr[0];for(int i = 1; i < 10001; i++){f[i] = g[i - 1] + arr[i];g[i] = Math.max(g[i - 1], f[i - 1]);}return Math.max(f[10000], g[10000]);}
}
⭕总结
关于《【算法优选】 动态规划之简单多状态dp问题——壹》就讲解到这儿,感谢大家的支持,欢迎各位留言交流以及批评指正,如果文章对您有帮助或者觉得作者写的还不错可以点一下关注,点赞,收藏支持一下!