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

Oracle查询优化之高效实现仅查询前10条记录的方法与实践

《Oracle查询优化之高效实现仅查询前10条记录的方法与实践》:本文主要介绍Oracle查询优化之高效实现仅查询前10条记录的相关资料,包括使用ROWNUM、ROW_NUMBER()函数、FET... 目录1. 使用 ROWNUM 查询2. 使用 ROW_NUMBER() 函数3. 使用 FETCH FI

C#使用HttpClient进行Post请求出现超时问题的解决及优化

《C#使用HttpClient进行Post请求出现超时问题的解决及优化》最近我的控制台程序发现有时候总是出现请求超时等问题,通常好几分钟最多只有3-4个请求,在使用apipost发现并发10个5分钟也... 目录优化结论单例HttpClient连接池耗尽和并发并发异步最终优化后优化结论我直接上优化结论吧,

Java内存泄漏问题的排查、优化与最佳实践

《Java内存泄漏问题的排查、优化与最佳实践》在Java开发中,内存泄漏是一个常见且令人头疼的问题,内存泄漏指的是程序在运行过程中,已经不再使用的对象没有被及时释放,从而导致内存占用不断增加,最终... 目录引言1. 什么是内存泄漏?常见的内存泄漏情况2. 如何排查 Java 中的内存泄漏?2.1 使用 J

MySQL不使用子查询的原因及优化案例

《MySQL不使用子查询的原因及优化案例》对于mysql,不推荐使用子查询,效率太差,执行子查询时,MYSQL需要创建临时表,查询完毕后再删除这些临时表,所以,子查询的速度会受到一定的影响,本文给大家... 目录不推荐使用子查询和JOIN的原因解决方案优化案例案例1:查询所有有库存的商品信息案例2:使用EX

MySQL中my.ini文件的基础配置和优化配置方式

《MySQL中my.ini文件的基础配置和优化配置方式》文章讨论了数据库异步同步的优化思路,包括三个主要方面:幂等性、时序和延迟,作者还分享了MySQL配置文件的优化经验,并鼓励读者提供支持... 目录mysql my.ini文件的配置和优化配置优化思路MySQL配置文件优化总结MySQL my.ini文件

正则表达式高级应用与性能优化记录

《正则表达式高级应用与性能优化记录》本文介绍了正则表达式的高级应用和性能优化技巧,包括文本拆分、合并、XML/HTML解析、数据分析、以及性能优化方法,通过这些技巧,可以更高效地利用正则表达式进行复杂... 目录第6章:正则表达式的高级应用6.1 模式匹配与文本处理6.1.1 文本拆分6.1.2 文本合并6

Vue3 的 shallowRef 和 shallowReactive:优化性能

大家对 Vue3 的 ref 和 reactive 都很熟悉,那么对 shallowRef 和 shallowReactive 是否了解呢? 在编程和数据结构中,“shallow”(浅层)通常指对数据结构的最外层进行操作,而不递归地处理其内部或嵌套的数据。这种处理方式关注的是数据结构的第一层属性或元素,而忽略更深层次的嵌套内容。 1. 浅层与深层的对比 1.1 浅层(Shallow) 定义

豆包 MarsCode 不允许你还没有女朋友

在这个喧嚣的世界里,爱意需要被温柔地唤醒。为心爱的她制作每日一句小工具,就像是一场永不落幕的浪漫仪式,每天都在她的心田播撒爱的种子,让她的每一天都充满甜蜜与期待。 背景 在这个瞬息万变的时代,我们都在寻找那些能让我们慢下来,感受生活美好的瞬间。为了让这份浪漫持久而深刻,我们决定为女朋友定制一个每日一句小工具。这个工具会在她意想不到的时刻,为她呈现一句充满爱意的话语,让她的每一天都充满惊喜和感动

HDFS—存储优化(纠删码)

纠删码原理 HDFS 默认情况下,一个文件有3个副本,这样提高了数据的可靠性,但也带来了2倍的冗余开销。 Hadoop3.x 引入了纠删码,采用计算的方式,可以节省约50%左右的存储空间。 此种方式节约了空间,但是会增加 cpu 的计算。 纠删码策略是给具体一个路径设置。所有往此路径下存储的文件,都会执行此策略。 默认只开启对 RS-6-3-1024k

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传