1301:大盗阿福(史上最全题解,没有之一,3种解法各大优化齐上阵)

本文主要是介绍1301:大盗阿福(史上最全题解,没有之一,3种解法各大优化齐上阵),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

题目描述】

阿福是一名经验丰富的大盗。趁着月黑风高,阿福打算今晚洗劫一条街上的店铺。

这条街上一共有 NN 家店铺,每家店中都有一些现金。阿福事先调查得知,只有当他同时洗劫了两家相邻的店铺时,街上的报警系统才会启动,然后警察就会蜂拥而至。

作为一向谨慎作案的大盗,阿福不愿意冒着被警察追捕的风险行窃。他想知道,在不惊动警察的情况下,他今晚最多可以得到多少现金?

【输入】

输入的第一行是一个整数T(T≤50)T(T≤50) ,表示一共有T组数据。

接下来的每组数据,第一行是一个整数N(1≤N≤100,000)N(1≤N≤100,000) ,表示一共有NN家店铺。第二行是NN个被空格分开的正整数,表示每一家店铺中的现金数量。每家店铺中的现金数量均不超过10001000。

【输出】

对于每组数据,输出一行。该行包含一个整数,表示阿福在不惊动警察的情况下可以得到的现金数量。

【输入样例】

2
3
1 8 2
4
10 7 6 14

【输出样例】

8
24

【提示】

对于第一组样例,阿福选择第22家店铺行窃,获得的现金数量为88。

对于第二组样例,阿福选择第11和44家店铺行窃,获得的现金数量为10+14=2410+14=24。


一,朴素解法

打家劫舍是dp解决的经典问题,动规五部曲分析如下:

  1. 确定dp数组(dp table)以及下标的含义 :dp[i][0/1]表示从1~i的店铺中洗劫店铺,不洗劫/洗劫第i个店铺,获得的最大价值。
  2. 确定递推公式:如果偷第i家店铺,那么第i-1家店铺是不能偷,而i-2后(包括i-2)是可以偷的,并且还会获得第i家店铺的¥。所以dp[i][1] = a[i] + dp[i - 1][0];                                                   那dp[i][0]呢?我们回想一下定义,如果不偷第i家店铺,那么第i-1家店铺可偷可不偷,所以要取最大值。也就是dp[i][0] = max(dp[i - 1][0],dp[i - 1][1]);
  3. dp数组如何初始化:因为递推公式中用到了dp[i-1][0]和dp[i-1][1],所以它们都是要初始化的。根据定义可知初始化为dp[1][1] = a[1];   dp[1][0] = 0;
  4. 确定遍历顺序 dp[i][0/1] 是根据dp[i - 1][0/1] 推导出来的,那么一定是从前到后遍历!
  5. 举例推导dp数组   这一步我就省略了 

那么代码如下: 

#include <bits/stdc++.h>
using namespace std;
int n,a[100007],dp[100007][2],t;
int main()
{cin>>t;while(t--){memset(a,0,sizeof(a));memset(dp,0,sizeof(dp));cin>>n;for(int i = 1; i <= n; i++) cin>>a[i];dp[1][1] = a[1];dp[1][0] = 0;for(int i = 2; i <= n; i++){dp[i][0] = max(dp[i - 1][0],dp[i - 1][1]);dp[i][1] = a[i] + dp[i - 1][0];}cout<<max(dp[n][0],dp[n][1])<<endl;}return 0;
}

二,优化写法

这道题也可以由一维数组来写。

  1. 确定dp数组(dp table)以及下标的含义:dp[i]:考虑下标i(包括i)以内的房屋,最多可以偷窃的金额为dp[i]
  2. 确定递推公式:决定dp[i]的因素就是第i房间偷还是不偷。如果偷第i房间,那么dp[i] = dp[i - 2] + a[i] ,即:第i-1房一定是不考虑的,找出 下标i-2(包括i-2)以内的房屋,最多可以偷窃的金额为dp[i-2] 加上第i房间偷到的钱。如果不偷第i房间,dp[i]=max(dp[i-2],dp[i - 3] + a[i - 1]);,不过在这里因为我们最后是要取最大值的,而dp[i-2]一定是小于等于前面的dp[i-2]+a[i]的,所可以把它省略,最后就变成了dp[i - 3] + a[i - 1]。然后dp[i]取最大值,即dp[i] = max(dp[i - 2] + a[i], dp[i - 3] + a[i - 1]);
  3. dp数组如何初始化:根据定义可知   dp[1] = a[1]; dp[2] = max(a[1],a[2]);
  4. 确定遍历顺序:dp[i] 是根据dp[i - 2] 和 dp[i - 1] 推导出来的,那么一定是从前到后遍历
  5. 举例推导dp数组:以输入[2,7,9,3,1]为例。

 

红框dp[n]为结果。

 代码如下:


#include <bits/stdc++.h>
using namespace std;
int n,a[100007],dp[100007],t;
int main()
{cin>>t;while(t--){memset(a,0,sizeof(a));memset(dp,0,sizeof(dp));cin>>n;for(int i = 1; i <= n; i++) cin>>a[i];dp[1] = a[1];dp[2] = max(a[1],a[2]);dp[3] = max(a[1] + a[3],a[2]);for(int i = 4; i <= n; i++) dp[i] = max((dp[i - 2] + a[i]),(dp[i - 3] + a[i - 1]));cout<<dp[n]<<endl;}return 0;
}

三,滚动数组优化

直接上代码,详见 动态规划之滚动数组_shaw chakong的博客-CSDN博客_动态规划滚动数组

#include <bits/stdc++.h>
using namespace std;
int n,a[100007],dp[5],t;
int main()
{cin>>t;while(t--){memset(a,0,sizeof(a));memset(dp,0,sizeof(dp));cin>>n;for(int i = 1; i <= n; i++) cin>>a[i];dp[1] = a[1];dp[2] = max(a[1],a[2]);for(int i = 3; i <= n; i++) dp[i % 4] = max((dp[(i - 2) % 4] + a[i]),(dp[(i - 1) % 4]));cout<<dp[n % 4]<<endl;}return 0;
}

 

 

这篇关于1301:大盗阿福(史上最全题解,没有之一,3种解法各大优化齐上阵)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/323524

相关文章

MySQL深分页进行性能优化的常见方法

《MySQL深分页进行性能优化的常见方法》在Web应用中,分页查询是数据库操作中的常见需求,然而,在面对大型数据集时,深分页(deeppagination)却成为了性能优化的一个挑战,在本文中,我们将... 目录引言:深分页,真的只是“翻页慢”那么简单吗?一、背景介绍二、深分页的性能问题三、业务场景分析四、

Linux进程CPU绑定优化与实践过程

《Linux进程CPU绑定优化与实践过程》Linux支持进程绑定至特定CPU核心,通过sched_setaffinity系统调用和taskset工具实现,优化缓存效率与上下文切换,提升多核计算性能,适... 目录1. 多核处理器及并行计算概念1.1 多核处理器架构概述1.2 并行计算的含义及重要性1.3 并

MyBatisPlus如何优化千万级数据的CRUD

《MyBatisPlus如何优化千万级数据的CRUD》最近负责的一个项目,数据库表量级破千万,每次执行CRUD都像走钢丝,稍有不慎就引起数据库报警,本文就结合这个项目的实战经验,聊聊MyBatisPl... 目录背景一、MyBATis Plus 简介二、千万级数据的挑战三、优化 CRUD 的关键策略1. 查

SpringBoot中HTTP连接池的配置与优化

《SpringBoot中HTTP连接池的配置与优化》这篇文章主要为大家详细介绍了SpringBoot中HTTP连接池的配置与优化的相关知识,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一... 目录一、HTTP连接池的核心价值二、Spring Boot集成方案方案1:Apache HttpCl

PyTorch高级特性与性能优化方式

《PyTorch高级特性与性能优化方式》:本文主要介绍PyTorch高级特性与性能优化方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、自动化机制1.自动微分机制2.动态计算图二、性能优化1.内存管理2.GPU加速3.多GPU训练三、分布式训练1.分布式数据

Spring Boot 常用注解整理(最全收藏版)

《SpringBoot常用注解整理(最全收藏版)》本文系统整理了常用的Spring/SpringBoot注解,按照功能分类进行介绍,每个注解都会涵盖其含义、提供来源、应用场景以及代码示例,帮助开发... 目录Spring & Spring Boot 常用注解整理一、Spring Boot 核心注解二、Spr

MySQL中like模糊查询的优化方案

《MySQL中like模糊查询的优化方案》在MySQL中,like模糊查询是一种常用的查询方式,但在某些情况下可能会导致性能问题,本文将介绍八种优化MySQL中like模糊查询的方法,需要的朋友可以参... 目录1. 避免以通配符开头的查询2. 使用全文索引(Full-text Index)3. 使用前缀索

C#实现高性能Excel百万数据导出优化实战指南

《C#实现高性能Excel百万数据导出优化实战指南》在日常工作中,Excel数据导出是一个常见的需求,然而,当数据量较大时,性能和内存问题往往会成为限制导出效率的瓶颈,下面我们看看C#如何结合EPPl... 目录一、技术方案核心对比二、各方案选型建议三、性能对比数据四、核心代码实现1. MiniExcel

史上最全nginx详细参数配置

《史上最全nginx详细参数配置》Nginx是一个轻量级高性能的HTTP和反向代理服务器,同时也是一个通用代理服务器(TCP/UDP/IMAP/POP3/SMTP),最初由俄罗斯人IgorSyso... 目录基本命令默认配置搭建站点根据文件类型设置过期时间禁止文件缓存防盗链静态文件压缩指定定错误页面跨域问题

MySQL索引的优化之LIKE模糊查询功能实现

《MySQL索引的优化之LIKE模糊查询功能实现》:本文主要介绍MySQL索引的优化之LIKE模糊查询功能实现,本文通过示例代码给大家介绍的非常详细,感兴趣的朋友一起看看吧... 目录一、前缀匹配优化二、后缀匹配优化三、中间匹配优化四、覆盖索引优化五、减少查询范围六、避免通配符开头七、使用外部搜索引擎八、分