LeetCode跳跃游戏 VI

题目描述

给你一个下标从 0 开始的整数数组 nums 和一个整数 k 。

一开始你在下标 0 处。每一步,你最多可以往前跳 k 步,但你不能跳出数组的边界。也就是说,你可以从下标 i 跳到 [i + 1, min(n - 1, i + k)] 包含 两个端点的任意位置。

你的目标是到达数组最后一个位置(下标为 n - 1 ),你的 得分 为经过的所有数字之和。

请你返回你能得到的 最大得分 。

示例 1:

输入:nums = [1,-1,-2,4,-7,3], k = 2
输出:7
解释:你可以选择子序列 [1,-1,4,3] (上面加粗的数字),和为 7 。

示例 2:

输入:nums = [10,-5,-2,4,0,3], k = 3
输出:17
解释:你可以选择子序列 [10,4,3] (上面加粗数字),和为 17 。

示例 3:

输入:nums = [1,-5,-20,4,-1,3,-6,-3], k = 2
输出:0

1696. 跳跃游戏 VI

 解题思路

本题需要我们求解跳跃的最大解,这很明显是使用贪心或动态规划,使用贪心考虑显然不太合理,因为我们无法保证其选择步数合理范围最大就是最大解如:1,1,1,1,1,2,k=5,显然如果按照贪心我们会选择2,但其实我们完全可以每次走一步,即可获取最大解。

所以本题其实本质就是一个动态规划问题,每次选取步数中最大作为本位置的最大解。

如此我们每次向前步数搜索最大即可,代码如下

class Solution {public int maxResult(int[] nums, int k) {int n=nums.length;int dp[]=new int[n];for(int i=1;i<n;i++)dp[i]=Integer.MIN_VALUE;dp[0]=nums[0];for(int i=1;i<n;i++){for(int j=i-k>0?i-k:0;j<i;j++){dp[i]=Math.max(dp[i],dp[j]+nums[i]);}}return dp[n-1];}
}

但是非常可惜,超时了,问题就集中在第二个for循环!所以我们接下来的优化就要向着如何选取步数范围的最大值,很明显我们想到使用优先队列(堆),统计在步数合理范围内的值,可直接获取这样就可以减少for循环从而节省时间。

于是修改代码如下

class Solution {public int maxResult(int[] nums, int k) {int n=nums.length;int dp[]=new int[n];PriorityQueue<Jump> pq = new PriorityQueue<>();dp[0]=nums[0];pq.offer(new Jump(0,dp[0]));for(int i=1;i<n;i++){while(i-pq.peek().s>k)//如果队首超过范围,弹出pq.poll();dp[i]=pq.peek().val+nums[i];pq.offer(new Jump(i,dp[i]));//继续放入}return dp[n-1];}
}
//创建一个类,负责记录数据
class Jump implements Comparable<Jump>{int s;int val;public Jump(int s,int val){this.s=s;this.val=val;}public int compareTo(Jump j) {return Integer.compare(j.val, this.val);}
}

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/678824.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

技术精英求职必备:全栈开发工程师简历制作全指南

简历编写核心原则 撰写针对全栈开发工程师职位的简历时&#xff0c;关键在于准确展现您在前端和后端开发方面的综合技能、项目经验和技术成就。简历应作为您展示跨多个技术栈的编程能力、构建完整应用解决方案和有效解决全栈技术问题的能力的窗口。确保每一项经历和技能都紧密…

Python OCR 之旅:PaddleOCR 与 pytesseract 比较及应用

简介&#xff1a; 在 Python 技术栈中&#xff0c;光学字符识别&#xff08;OCR&#xff09;是一个非常实用的功能&#xff0c;它可以将图片中的文本内容提取出来。在这篇文章中&#xff0c;我们将比较两个常用的 OCR 库&#xff1a;PaddleOCR 和 pytesseract&#xff0c;了解…

Day39- 动态规划part07

一、爬楼梯 题目一&#xff1a;57. 爬楼梯 57. 爬楼梯&#xff08;第八期模拟笔试&#xff09; 题目描述 假设你正在爬楼梯。需要 n 阶你才能到达楼顶。 每次你可以爬至多m (1 < m < n)个台阶。你有多少种不同的方法可以爬到楼顶呢&#xff1f; 注意&#xff1a;…

作业2.11

1、选择题 1.1、若有以下程序 main() { char a1,b2; printf("%c,",b); printf("%d\n",b-a); } 程序运行后的输出结果是 C A&#xff09;3,2 B&#xff09;50,2 C&#xff09;2,2 D&#xff09;2,50 1.2、有以下程序 main() { int a,b,d25; a…

MATLAB算法实战应用案例精讲-【图像处理】相机标定(基础篇)(二)

目录 算法原理 相机标定 相机内参标定 逆透视标定 单目测距标定

<网络安全>《26 工控漏洞挖掘平台》

1 概念 工控漏洞挖掘平台综合应用各种技术和工具发现工业控制系统潜在的漏洞&#xff0c;对安全性和健壮性进行测试&#xff0c;深度挖掘工控设备或系统的各类已知和未知漏洞&#xff0c;清晰定位问题&#xff0c;明确漏洞形成的机理和相应的攻击方法&#xff0c;为漏洞的弥补…

新版MQL语言程序设计:状态模式的原理、应用及代码实现

文章目录 一、什么是状态模式二、状态模式的实现原理三、状态模式的应用场景四、状态模式的代码实现 一、什么是状态模式 状态模式是一种行为设计模式&#xff0c;它允许对象在内部状态改变时改变其行为。在状态模式中&#xff0c;对象的行为取决于其内部状态&#xff0c;并且可…

【大厂AI课学习笔记】【1.6 人工智能基础知识】(3)神经网络

深度学习是机器学习中一种基于对数据进行表征学习的算法。观测值(例如一幅草莓照片)可以使用 多种方式来表示&#xff0c;如每个像素强度值的向量&#xff0c;或者更抽象地表示成一系列边、特定形状的区域等。 深度学习的最主要特征是使用神经网络作为计算模型。神经网络模型 …

跨站请求伪造 CSRF 漏洞原理以及修复方法

漏洞名称&#xff1a;跨站请求伪造&#xff08;CSRF&#xff09; 漏洞描述&#xff1a; 跨站请求伪造攻击&#xff0c;Cross-Site Request Forgery&#xff08;CSRF&#xff09;&#xff0c;攻击者在用户浏览网页时&#xff0c;利用页面元素&#xff08;例如img的src&#xf…

【echarts】入门示例

1、引入echarts.js文件 2、准备一个呈现图表的盒子 3、初始化echarts实例对象 4、准备配置项 5、将配置项设置给echarts实例对象 <!DOCTYPE html> <html><head><meta charset"utf-8" /><title>ECharts</title><!-- 引入刚刚…

seatunnel数据集成(二)数据同步

seatunnel数据集成&#xff08;一&#xff09;简介与安装seatunnel数据集成&#xff08;二&#xff09;数据同步seatunnel数据集成&#xff08;三&#xff09;多表同步seatunnel数据集成&#xff08;四&#xff09;连接器使用 1、Connector类型 seatunnel连接器类型丰富&#…

【Java】乐观锁、悲观锁、可重入锁、不可重入锁的关系是什么?

乐观锁、悲观锁、可重入锁和不可重入锁是Java中不同的锁策略和实现方式&#xff0c;它们之间的关系可以从以下几个方面来理解&#xff1a; 乐观锁与悲观锁&#xff1a;这两种锁代表的是不同的加锁策略&#xff0c;而不是具体的锁实现。乐观锁假设冲突不会频繁发生&#xff0c;因…

深入理解 Nginx 插件及功能优化指南

深入理解 Nginx 插件及功能优化指南 深入理解 Nginx 插件及功能优化指南1. Nginx 插件介绍1.1 HTTP 模块插件ngx_http_rewrite_modulengx_http_access_module 1.2 过滤器插件ngx_http_gzip_modulengx_http_ssl_module 1.3 负载均衡插件ngx_http_upstream_modulengx_http_upstre…

CSS Selector—选择方法,和html自动——异步社区的爬取(动态网页)——爬虫(get和post的区别)

这里先说一下GET请求和POST请求&#xff1a; post我们平时是要加data的也就是信息&#xff0c;你会发现我们平时百度之类的 搜索都是post请求 get我们带的是params&#xff0c;是发送我们指定的内容。 要注意是get和post请求&#xff01;&#xff01;&#xff01; 先说一下异…

element-ui解决上传文件时需要携带请求数据的问题

一、问题描述 在前端使用element-ui进行文件上传时&#xff0c;需要携带请求头信息&#xff0c;比如Token。 二、问题解决 1. 表单实现 action置空添加:http-request属性覆盖默认的上传行为&#xff0c;实现自定义上传文件。注意:src后的图片路径如果是个网络请求(外链)&…

python+django人力资源管理系统7w5x3

技术栈 后端&#xff1a;python 前端&#xff1a;vue.jselementui 框架&#xff1a;django Python版本&#xff1a;python3.7 数据库&#xff1a;mysql5.7 数据库工具&#xff1a;Navicat 开发软件&#xff1a;PyCharm .设计框架&#xff1a;Vue 1. 表现层&#xff1a;写多…

JCIM | MD揭示PTP1B磷酸酶激活RtcB连接酶的机制

Background 内质网应激反应&#xff08;UPR&#xff09; 中的一个重要过程。UPR是由内质网中的三种跨膜传感器&#xff08;IRE1、PERK和ATF6&#xff09;控制的细胞应激反应&#xff0c;当内质网中的蛋白质折叠能力受到压力时&#xff0c;UPR通过减少蛋白质合成和增加未折叠或错…

《计算思维导论》笔记:10.4 关系模型-关系运算

《大学计算机—计算思维导论》&#xff08;战德臣 哈尔滨工业大学&#xff09; 《10.4 关系模型-关系运算》 一、引言 本章介绍数据库的基本数据模型&#xff1a;关系模型-关系运算。 二、什么是关系运算 在数据库理论中&#xff0c;关系运算&#xff08;Relational Operatio…

《Docker极简教程》--Docker基础--Docker的核心组件

一、Docker引擎 unsetunset1.1 Docker引擎的组成和功能unsetunset Docker 引擎是 Docker 平台的核心组件&#xff0c;它负责容器的创建、管理和运行。Docker 引擎主要包括两个主要组件&#xff1a;Docker 守护程序&#xff08;Docker Daemon&#xff09;和 Docker 客户端&#…

蓝桥杯Web应用开发-CSS3 新特性【练习一:属性有效性验证】

练习一&#xff1a;属性有效性验证 页面上有一个邮箱输入框&#xff0c;当你的输入满足邮箱格式时&#xff0c;输入框的背景颜色为绿色&#xff1b;当你的输入不满足要求&#xff0c;背景颜色为红色。 新建一个 index2.html 文件&#xff0c;在其中写入以下内容。 <!DOCTYP…