【动态规划上分复盘】这是你熟悉的地下城游戏吗?

欢迎

  • 前言
  • 一、动态规划五步曲
  • 二、地下城游戏
    • 题目分析
    • 思路:动态规划
      • 具体代码如下
  • 总结


前言

本文讲解关于动态规划思路的两道题目。


一、动态规划五步曲

  • 1.确定状态表示(确定dp数组的含义)
  • 2.确定状态转移方程(确定dp的递推公式)
  • 3.确定如何初始化(初始化要保证填表正确)
  • 4.确定遍历顺序
  • 5.返回值

二、地下城游戏

点我直达~
在这里插入图片描述

题目分析

根据题目可知,每一个位置都对应这三种情况:
(d[i][j]由题目给出。)

  • 1.d[i][j] < 0 :该位置有恶魔,骑士打败恶魔会掉血。
  • 2.d[i][j] = 0 :该位置是一条过道,不消耗血量。
  • 3.d[i][j] > 0 :该位置有一个血包,吃了血包可以加血。

我们知道,到达某个位置必须保证骑士血量大于1,否则就算该位置是一个大血包,骑士也享受不到。

思路:动态规划

  • 1.状态表示(确定dp数组的含义)
    每一道dp题的第一点往往是最重要的, 我们需要根据经验+题目要求来确定。
    一般来说,根据经验,确定状态表示有两种:

(1)以[i,j]位置为终点,…
(2)以[i,j]位置为起点,…

写了众多dp题,大部分题型是以[i,j]位置为终点,…,所以我们先看第一种情况:

    • (1)dp[i][j]表示:从起点出发,到达以[i,j]位置为终点时,所需要的最低健康值为dp[i][j].
      那么来看第二步,如何确定递推公式呢?
      请看下图:
      在这里插入图片描述
      以该图[i,j]位置为例,到达该位置一定是由上方走来或者左侧走来,所以我们需要考虑上方和左方的两种情况。
      根据题目意思,到达任意一个位置所需要的最低血量最少是1。
      所以我们不仅需要考虑当前位置,还需要考虑上方位置,左方位置,那么到达上方位置又需要进一步考虑,也就是说:到达[i,j]位置需要考虑其之前的所有的位置。并且到达[i,j]位置之后,如果未到达公主所在位置,我们仍然需要考虑后面的位置。并且初始的位置也是题目所要求我们求的,所以这个状态表示行不通。
      来看第二种。
    • (2)dp[i][j]表示:从[i,j]位置出发,到达终点时,所需要的最低健康值为dp[i][j].
      这样就可以行得通了。
      我们只需要考虑它的右方和下方位置即可。
  • 2.状态转移方程(确定递推公式)
    根据状态表示,和题目描述,我们知道[i,j]位置的下一步一定是走到[i+1,j] 或者[i,j+1]位置上的。所以我们应该考虑这三者之间的关系。
    我们知道,骑士到达任意一个位置,要求的最低血量必须大于等于1。
    所以我们从[i,j]位置出发,走到[i+1,j] 或者[i,j+1]位置上之后,在两个位置的任意一个中,血量必须大于等于1。否则就算该位置有大血包,骑士也无法享受。
    那么我们在考虑走到下一步时,应该先考虑自己位置上的值,应该+d[i][j],那么走到下一个位置的话,当前位置的最低健康点数必须大于等于下一个位置的最低健康点数,这样才能保证我们顺利走到下一个位置。
    所以递推公式如下:
    dp[i][j] + d[i][j] >= dp[i+1][j]dp[i][j] + d[i][j] >= dp[i][j+1]
    进行一下移项,得:
    dp[i][j] >= dp[i+1][j] - d[i][j]dp[i][j] >= dp[i][j+1] - d[i][j]
    由于要求最小的健康值,则当等于号成立时,就是最低的健康点数了:
    dp[i][j] = min(dp[i][j+1],dp[i+1][j]) - d[i][j]

但是有一个需要注意的点,当d[i][j]是一个非常大的数时,可能会导致减了d[i][j]之后,dp[i][j]是一个非正整数了,则表示骑士走到[i,j]位置是挂了的状态,并且还能吃了当前位置的血包顺利走到下一个位置,这显然是不符合逻辑的。
所以当dp[i,j]是一个非正整数时,所要求能通过当前位置的最低健康值就是1。
即dp[i][j] = max(1,dp[i][j])

代码如下:

dp[i][j] = min(dp[i-1][j],dp[i][j-1]) - d[i][j];
dp[i][j] = max(1,dp[i][j]);
  • 3.确定如何进行初始化
    上面分析了那么久,我们大概知道当骑士从公主所在位置出发到达公主所在位置时,即:
    在这里插入图片描述
    需要知道[i+1,j]位置和[i,j+1]位置。
    所以我们在初始化时,需要多开一行一列的虚拟空间,来更好地进行初始化。具体如下图:
    在这里插入图片描述

此时我们需要注意的点是:
虚拟空间的初始化必须保证不能影响正常结果。
在之前写的dp题目中,虚拟空间还需要注意第二点:
下标的映射关系,在这道题中,不需要注意,因为虚拟的空间并没有影响下标。
所以dp[m][n+1] 和dp[m+1][n]位置应该初始化成1,因为走到那个位置,最低健康值必须大于等于1,所以最小值为1。则其他位置根据以往经验,要保证不影响其他值,需要初始化成正无穷大。

  • 4.遍历顺序
    应该从下往上遍历,每行从右往左遍历。

  • 5.返回值
    返回dp[0][0]的值。

具体代码如下

class Solution {
public:int calculateMinimumHP(vector<vector<int>>& d) {//1.确定dp数组的含义//dp[i,j]表示:以[i,j]位置为起点,到达终点位置所需要的最小健康点数为dp[i][j]//2.确定递推公式    //dp[i][j] = min(dp[i+1][j],dp[i][j+1]) - d[i][j]//但是有可能算出来是非正整数,意味着走到这个位置已经是死了的状态,不符合题目要求。所以如果是非正整数的话,必须最小健康点数为1.//dp[i][j] = max(1,dp[i][j]);   //3.确定如何初始化//由于dp数组的含义是以[i,j]位置为起点的,所以我们必须从终点位置开始初始化,那么应该多开一行一列的虚拟空间来更好地初始化。//注意:1.虚拟空间的初始化不能影响结果。//这道题不同于之前的题,这里无需再注意下标的映射关系//4.遍历顺序(从下到上遍历,每行从右往左遍历)//5.返回值//dp[0][0]int m = d.size();int n = d[0].size();vector<vector<int>> dp(m+1,vector<int>(n+1,INT_MAX));dp[m-1][n] = dp[m][n-1] = 1;for(int i = m-1;i>=0;i--){for(int j = n-1;j>=0;j--){dp[i][j] = min(dp[i][j+1],dp[i+1][j]) - d[i][j];//如果dp[i][j] <=0 ,则必须保证到[i,j]位置最低血量为1dp[i][j] = max(1,dp[i][j]);}}return dp[0][0];//时空复杂度O(m*n)}
};

时间复杂度O(m*n),空间复杂度O(m*n)

总结

今天写了一道困难题目,又学到了一种新的dp题型。

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/9003.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

Docker:Docker-Compose

Docker:Docker-Compose 一、Docker-Compose 介绍1.1 Docker-Compose 概述二、Docker-Compose 安装2.1 Docker Compose 环境安装2.2 下载2.3 安装三、Docker-Compose 使用3.1 YAML 文件格式及编写注意事项3.2 使用 YAML 时需要注意下面事项3.3 Docker-Compose配置常用字段3.4 D…

Python中pyecharts模块

pyecharts模块 官网&#xff1a;pyecharts官网 pyecharts框架画廊 如果想要做出数据可视化效果图, 可以借助pyecharts模块来完成概况 : Echarts 是个由百度开源的数据可视化&#xff0c;凭借着良好的交互性&#xff0c;精巧的图表设计&#xff0c;得到了众多开发者的认可. 而…

java面试整理

一、 JVM部分 JVM内存溢出(一)之排查初体验_少负 | 气节的博客-CSDN博客 JVM内存溢出(二)之双亲委派机制_少负 | 气节的博客-CSDN博客 JVM内存溢出(三)之JVM8内存模型_少负 | 气节的博客-CSDN博客 JVM内存溢出(四)之垃圾回收器_少负 | 气节的博客-CSDN博客 JVM内存溢出(五…

解决 excel 文件头问题 sap 不识别

一个任务需要上传 excel 到 sap 使用 openpyxl 生成的不识别 excel 保存后可以识别 经过分析&#xff0c;可能是文件头的问题&#xff0c;因为看起来没有区别。 excel 的文件头为 [Content_Types].xml openpyxl 生成的文件头为 docProps/app.xml 修改为文件头有点过于繁琐…

巅峰极客2023 hellosql

随便输一个payload&#xff0c;有waf 这题只有两个回显&#xff0c;分别是太酷啦和nonono&#xff0c;不显示报错、登录成功等各种信息&#xff0c;目前只能想到用时间盲注。 抓包fuzz&#xff0c;194都是被过滤的 不止这些&#xff0c;手工测出来if、sleep、benchmark、*、rp…

办公室安全升级,如何保障人身财产安全?

视频监控&#xff0c;一种常见的安全措施&#xff0c;以监视和记录办公室内的活动。这项技术为企业提供了许多优势&#xff0c;包括保障员工和财产安全、帮助调查犯罪事件、提高业务管理效率以及应对突发事件。 因此&#xff0c;在合理范围内应用视频监控&#xff0c;将为企业提…

【算法题】2763. 所有子数组中不平衡数字之和

题目&#xff1a; 一个长度为 n 下标从 0 开始的整数数组 arr 的 不平衡数字 定义为&#xff0c;在 sarr sorted(arr) 数组中&#xff0c;满足以下条件的下标数目&#xff1a; 0 < i < n - 1 &#xff0c;和 sarr[i1] - sarr[i] > 1 这里&#xff0c;sorted(arr) 表…

【Python提取Excel表格中符合条件的数据】

使用Python提取Excel表格中符合条件的数据 在数据处理和分析的过程中&#xff0c;我们经常需要从Excel表格中提取特定条件下的数据。Python的pandas库为我们提供了方便的方法来进行数据查询和过滤。 表格内容如下&#xff1a; 序号xy11.52.823.24.732.13.644.31.954.13.2 我…

go压力测试

压力测试 1.1.1. Go怎么写测试用例 开发程序其中很重要的一点是测试&#xff0c;我们如何保证代码的质量&#xff0c;如何保证每个函数是可运行&#xff0c;运行结果是正确的&#xff0c;又如何保证写出来的代码性能是好的&#xff0c;我们知道单元测试的重点在于发现程序设计…

Oralce数据库 手工重新创建控制文件

控制文件对于Oralce数据库的作用&#xff0c;就好像微软操作系统中注册表的作用一样。控制文件是一个比较小的二进制文件&#xff0c;记录着数据库的结构信息。如果数据库控制文件发生孙华的话&#xff0c;则Oracle将无法正常启动。通常情况下&#xff0c;在创建数据库时会自动…

SAP从放弃到入门系列之批次派生-Batch Derivation-Part1

文章目录 一、概述二、系统配置三、主数据3.1 分类主数据3.2 派生规则设置3.2.1发送物料3.2.2 接收物料 四、 测试数据&#xff08;生产订单&#xff09;五、 最后 Batch Derivation翻译成批次派生&#xff08;衍生&#xff09;或批次继承都是问题不大&#xff0c;继承和派生个…

LeetCode104. 二叉树的最大深度

104. 二叉树的最大深度 文章目录 [104. 二叉树的最大深度](https://leetcode.cn/problems/maximum-depth-of-binary-tree/)一、题目二、题解方法一&#xff1a;递归方法二&#xff1a;迭代 一、题目 给定一个二叉树&#xff0c;找出其最大深度。 二叉树的深度为根节点到最远叶…

机器学习深度学习——线性回归的基本元素

回归用来表示输入输出之间的关系。 用实际例子来解释一下线性回归&#xff1a;根据房屋的面积、房龄来估算房屋价格。为了实现这个预测放假的模型&#xff0c;需要收集一个真实的数据集&#xff0c;该数据集包括了房屋的销售价格、面积和房龄。 在机器学习中&#xff0c;这个数…

lambda匿名函数

问题:什么是lambda函数?它有什么好处?举例说明 解答 含义 在Python中,不通过def来声明函数名字,而是通过lambda关键字来定义的函数称为匿名函数,即函数没有具体的名称,你可以理解为一句话写一个函数 Lambda表达式是Python中一类特殊的定义函数的形式,从语义上讲,它…

(学习笔记-IP)Ping的工作原理

Ping是基于ICMP协议工作的&#xff0c;ICMP报文封装在IP包里面&#xff0c;它工作在网络层&#xff0c;是IP协议的助手。 ICMP包头的类型字段&#xff0c;大致可分为两大类&#xff1a; 一类是用于诊断的查询消息&#xff0c;也就是查询报文类型一类是通知出错原因的错误消息&…

Shell编程基础(三)环境变量 位置变量 系统内置变量

环境变量 & 环境变量环境变量范围父子进程之间有效指定用户有效所有用户有效 位置变量系统内置变量 环境变量 在脚本种直接定义的变量&#xff0c;只能在当前shell进程中使用 若想要在其他shell进程中使用&#xff0c;可以将变量声明为 环境变量 export 变量名 &#xff…

Spring 的元注解

一、元注解介绍 1.1.源码引入 1.2.元注解介绍 从上面的图片可知&#xff0c;Spring 有四个【负责注解其他注解】的元注解&#xff0c;分别是&#xff1a; Target&#xff1a;标识该注解可以用于标注哪些程序元素&#xff0c;比如类、方法、字段等。 Retention&#xff1a;标…

Zabbix-server监控mysql及httpd服务

目录 一、Zabbix监控mysql数据库 1、为server.Zabbix.com添加服务模板 2、创建mysql服务图形 二、server.zabbix.com服务器操作 编辑chk_mysql.sh脚本 三、server.Zabbix.com测试 四、查看web效果 五、Zabbix监控apache&#xff08;httpd服务&#xff09; 安装master 六、…

C++ 提高编程

C 提高编程 主要针对C泛型编程和STL技术 一、 模板 1、 概念 模板就是建立通用的模具&#xff0c;大大提高代码的复用性 模板特点 模板不可以直接使用&#xff0c;它只是一个框架 ​ 模板的通用并不是万能的 2、 函数模板 C 另一种编程思想为泛型编程&#xff0c;主要利用的…

Ubuntu搭建Samba服务-学习记录

文章目录 Ubuntu安装Samba流程Samba配置文件Samba添加账户配置文件修改Samba服务控制设置开机自动启动通过systemctl 启动服务通过 rc.local 启动 Windows访问参考链接 当前文章仅用于记录&#xff0c;在 Ubuntu中安装使用Samba&#xff0c;在Windows访问 系统环境&#xff1a;…