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。
- 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。
- 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。
- 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。
这题是打家劫舍问题的变形。你个小偷换了个马甲,我就不认识你了?我们用动态规划的思想来解决这个问题。
确定状态表示:根据经验和题目要求,我们用dp[i]表示,选择完i位置之后,此时的最长预约时长。再细分为:
- 用f[i]表示,接受i位置的预约之后,此时的最长预约时长。
- 用g[i]表示,不接受i位置的预约之后,此时的最长预约时长。
推导状态转移方程:
- 如果接受i位置的预约,那么就不能接受i - 1位置的预约。所以,接受i位置的预约之后的最长预约时长,就等于不接受i - 1位置的预约之后的最长预约时长加上i位置的预约的时长,即f[i] = g[i - 1] + nums[i]。
- 如果不接受i位置的预约,那么既可以接受i - 1位置的预约,也可以不接受i - 1位置的预约。由于没有接受i位置的预约,所以此时的最长预约时长和选择完i - 1位置之后的最长预约时长相同,要么是接受i - 1位置的预约之后的最长预约时长f[i - 1],要么是不接受i - 1位置的预约之后的最长预约时长g[i - 1]。所以不接受i位置的预约的最长预约时长是这两者的较大值,即g[i] = max(f[i - 1], g[i - 1])。
综上所述:f[i] = g[i - 1] + nums[i],g[i] = max(f[i - 1], g[i - 1])。
初始化:根据状态转移方程,由于f[i]和g[i]都依赖于i - 1位置的值,所以我们要初始化f[0]和g[0]。
- f[0]表示接受0位置的预约之后,此时的最长预约时长,显然就是0位置的预约时长,即f[0] = nums[0]。
- g[0]表示不接受0位置的预约之后,此时的最长预约时长,显然g[0] = 0。
综上所述:f[0] = nums[0],g[0] = 0。
填表顺序:根据状态转移方程,f[i]依赖于g[i - 1],g[i]依赖于f[i - 1]和g[i - 1],所以应从左往右填表,且同时填f表和g表。
返回值:假设有n个预约。题目要求我们返回,在选择完n - 1位置的预约之后,最长的预约时长。由于并不确定是否接受n - 1位置的预约,再根据状态表示,我们应返回f[n - 1]和g[n - 1]的较大值。
细节问题:f表和g表的规模和nums的规模相同,都是1 x n。另外,如果nums为空,直接返回0即可。
时间复杂度:O(N),空间复杂度:O(N)。
class Solution {
public:int massage(vector<int>& nums) {int n = nums.size();// 处理边界情况if (n == 0) {return 0;}// 创建dp表vector<int> f(n);auto g = f;// 初始化f[0] = nums[0];// 填表for (int i = 1; i < n; i++) {for (int j = 1; j < n; j++) {f[i] = g[i - 1] + nums[i];g[i] = max(f[i - 1], g[i - 1]);}}return max(f[n - 1], g[n - 1]);}
};