【动态规划】【C++算法】1563 石子游戏 V

2024-02-16 11:20
文章标签 算法 动态 规划 c++ 游戏 石子 1563

本文主要是介绍【动态规划】【C++算法】1563 石子游戏 V，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！

作者推荐

【数位dp】【动态规划】【状态压缩】【推荐】1012. 至少有 1 位重复的数字

本文涉及知识点

动态规划汇总

LeetCoce:1563 石子游戏 V

几块石子 排成一行 ，每块石子都有一个关联值，关联值为整数，由数组 stoneValue 给出。
游戏中的每一轮：Alice 会将这行石子分成两个 非空行（即，左侧行和右侧行）；Bob 负责计算每一行的值，即此行中所有石子的值的总和。Bob 会丢弃值最大的行，Alice 的得分为剩下那行的值（每轮累加）。如果两行的值相等，Bob 让 Alice 决定丢弃哪一行。下一轮从剩下的那一行开始。
只 剩下一块石子 时，游戏结束。Alice 的分数最初为 0 。
返回 Alice 能够获得的最大分数 。
示例 1：
输入：stoneValue = [6,2,3,4,5,5]
输出：18
解释：在第一轮中，Alice 将行划分为 [6，2，3]，[4，5，5] 。左行的值是 11 ，右行的值是 14 。Bob 丢弃了右行，Alice 的分数现在是 11 。
在第二轮中，Alice 将行分成 [6]，[2，3] 。这一次 Bob 扔掉了左行，Alice 的分数变成了 16（11 + 5）。
最后一轮 Alice 只能将行分成 [2]，[3] 。Bob 扔掉右行，Alice 的分数现在是 18（16 + 2）。游戏结束，因为这行只剩下一块石头了。
示例 2：
输入：stoneValue = [7,7,7,7,7,7,7]
输出：28
示例 3：
输入：stoneValue = [4]
输出：0
提示：
1 <= stoneValue.length <= 500
1 <= stoneValue[i] <= 106

动态规划

原理

石头数相等，和大的不一定更优。比如：{1,19}劣于{8,8}。
n堆石头在右边增加一堆后，不一定更优。比如：{16,1,8,8} → \rightarrow → {8,8} → \rightarrow → {8} 总共24分。
{16,1,8,8,2} → \rightarrow → {16,1} → \rightarrow → {1} 总共17 分。

动态规划的状态表示

dp[i][j] 表示stonevalue[i,j]的最大得分
状态数:O(nn)，故空间复杂度:O(nn)

动态规划的转移方程

如果暴力转移，总时间复杂度是O(n3)。
dp2[i][j] = m a x m : i j \Large max_{m:i}^j maxm:ij​(dp[i][m]+sum[i,m])
dp3[i][j=] m a x m : j i \Large max_{m:j}^i maxm:ji​(dp[m][j]+sum[m,j])
转移dp[i][j]时，分三种情况：
左边小于右边：通过dp2转移。
两者相等，直接计算。
左边大于右边，通过dp3转移。

动态规划的初始值

全部为0。

动态规划的填表顺序

第一层循环，枚举长度len，从2到大。第二层循环枚举i。

动态规划的返回值

dp[0].back()

代码

核心代码

class Solution{
public:int stoneGameV(vector<int>&stoneValue) {m_c = stoneValue.size();vector <vector<int>> dp(m_c, vector<int>(m_c)), dp2(m_c, vector<int>(m_c)), dp3(m_c, vector<int>(m_c));for (int i = 0; i < m_c; i++){dp2[i][i] = dp3[i][i] = stoneValue[i];}for (int len = 2; len <= m_c; len++){			int leftSum = 0;int totalSum = std::accumulate(stoneValue.begin(), stoneValue.begin() + len,0);for (int i = 0,i1=0; i + len <= m_c; i++){更新dp leftSum = stone[i,i1)之和  totalSum= stone[i,j]之和const int j = i + len - 1;if (i1 < i){i1++;}while ((leftSum + stoneValue[i1]) * 2 < totalSum){leftSum += stoneValue[i1++];}auto& cur = dp[i][j];if (i1-1 >= i ){cur = dp2[i][i1-1];}int j1 = i1;if ((leftSum + stoneValue[i1]) * 2 == totalSum){cur = max(cur, dp[i][i1]+ totalSum/2);cur = max(cur, dp[i1 + 1][j] + totalSum / 2);j1++;}if (j >= j1+1){cur = max(cur, dp3[j1 + 1][j]);}//更新dp2dp2[i][j] = max(dp2[i][j-1], cur + totalSum);//更新dp3dp3[i][j] = max(dp3[i+1][j],cur + totalSum);if (i1 > i){leftSum -= stoneValue[i];}totalSum -= stoneValue[i];if (i + len < m_c){totalSum += stoneValue[i + len];}}			}return dp[0].back();}int m_c;
};

测试用例

template<class T>
void Assert(const T& t1, const T& t2)
{assert(t1 == t2);
}template<class T>
void Assert(const vector<T>& v1, const vector<T>& v2)
{if (v1.size() != v2.size()){assert(false);return;}for (int i = 0; i < v1.size(); i++){Assert(v1[i], v2[i]);}}int main()
{	vector<int> stoneValue;{Solution sln;stoneValue = { 4 };auto res = sln.stoneGameV(stoneValue);Assert(res, 0);}{Solution sln;stoneValue = { 2,1,1 };auto res = sln.stoneGameV(stoneValue);Assert(res, 3);}{Solution sln;stoneValue = { 7,7,7 };auto res = sln.stoneGameV(stoneValue);Assert(res, 7);}{Solution sln;stoneValue = { 7,7,7,7,7,7,7 };auto res = sln.stoneGameV(stoneValue);Assert(res, 28);}{Solution sln;stoneValue = { 6, 2, 3, 4, 5, 5 };auto res = sln.stoneGameV(stoneValue);Assert(res, 18);}{Solution sln;stoneValue = { 98,77,24,49,6,12,2,44,51,96 };auto res = sln.stoneGameV(stoneValue);Assert(res, 330);}
}

2023年2月

class Solution {
public:
int stoneGameV(const vector& stoneValue) {
m_stoneValue = stoneValue;
m_c = m_stoneValue.size();
m_vSums.push_back(0);
for (int i = 0; i < m_c; i++)
{
m_vSums.push_back(m_vSums[i] + stoneValue[i]);
}
m_vMaxValue.assign(m_c, vector(m_c,-1));
return dfs(0, m_c - 1);
}
int dfs(const int iBegin, const int iEnd)
{
if (-1 != m_vMaxValue[iBegin][iEnd])
{
return m_vMaxValue[iBegin][iEnd];
}
if (iBegin == iEnd)
{
return m_vMaxValue[iBegin][iEnd] = 0;
}
int iTotal = m_vSums[iEnd + 1] - m_vSums[iBegin];
int iLeftSumMul2SumTotal = -iTotal;
int iMaxValue = 0;
for (int i = iBegin; i < iEnd; i++)
{
iLeftSumMul2SumTotal += m_stoneValue[i] * 2;
const int iLeftAdd = m_vSums[i + 1] - m_vSums[iBegin];
const int iRightAdd = m_vSums[iEnd + 1] - m_vSums[i+1];
if (iLeftSumMul2SumTotal <= 0)
{
iMaxValue = max(iMaxValue, dfs(iBegin, i) + iLeftAdd );
}
if ( iLeftSumMul2SumTotal >= 0)
{
iMaxValue = max(iMaxValue, dfs(i + 1, iEnd) + iRightAdd);
}
}
return m_vMaxValue[iBegin][iEnd] = iMaxValue;
}
int m_c;
vector m_vSums;
std::vector<vector> m_vMaxValue;
vector m_stoneValue;
};

2023年7月

class Solution {
public:
int stoneGameV(vector& stoneValue) {
m_c = stoneValue.size();
vector<vector> vLeftRight(m_c, vector(m_c + 1));//左闭右开
vector<vector> vLeftPre(m_c, vector(m_c )), vRightPre(m_c, vector(m_c));//左闭右闭
for (int i = 0; i < m_c; i++)
{
vLeftPre[i][i] = vRightPre[i][i] = stoneValue[i];
}
for (int left = m_c-1 ; left >=0 ; left–)
{
int i = left ;
int iLeftSum = 0;//记录[left,i)总石头数量
int iSum = stoneValue[left];//记录[left,right)的总石头数量
for (int right = left + 2; right <= m_c; right++)
{
iSum += stoneValue[right-1];
//确保[left,i)的石头数小于等于[i,right) [i,right)不为空 的前提下，i的最大值
while ((i < right) && ((iLeftSum + stoneValue[i]) * 2 <= iSum))
{
iLeftSum += stoneValue[i];
i++;
}
if (iLeftSum * 2 == iSum)
{
vLeftRight[left][right] = max( vLeftPre[left][i - 1], vRightPre[i][right - 1]);
}
else
{
const int iRightI = i + 1;
vLeftRight[left][right] = max((i == left ) ? 0 : vLeftPre[left][i - 1], (iRightI >= right) ? 0 : vRightPre[iRightI][right - 1]);
}
vLeftPre[left][right - 1] = max(vLeftRight[left][right]+iSum, vLeftPre[left][right - 2]);
vRightPre[left][right-1] = max(vLeftRight[left][right] +iSum, (0==left)?0:vRightPre[left+1][right - 1]);
}
}
return vLeftRight.front().back();
}
int m_c;
};

扩展阅读

视频课程

有效学习：明确的目标 及时的反馈 拉伸区（难度合适），可以先学简单的课程，请移步CSDN学院，听白银讲师（也就是鄙人）的讲解。
https://edu.csdn.net/course/detail/38771

如何你想快

速形成战斗了，为老板分忧，请学习C#入职培训、C++入职培训等课程
https://edu.csdn.net/lecturer/6176

相关

下载

想高屋建瓴的学习算法，请下载《喜缺全书算法册》doc版
https://download.csdn.net/download/he_zhidan/88348653

我想对大家说的话
闻缺陷则喜是一个美好的愿望，早发现问题，早修改问题，给老板节约钱。
子墨子言之：事无终始，无务多业。也就是我们常说的专业的人做专业的事。
如果程序是一条龙，那算法就是他的是睛

测试环境

操作系统：win7 开发环境： VS2019 C++17
或者 操作系统：win10 开发环境： VS2022 **C+

+17**
如无特殊说明，本算法用**C++**实现。

这篇关于【动态规划】【C++算法】1563 石子游戏 V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/714375。

相关文章

不懂推荐算法也能设计推荐系统

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例，告诉我们不懂推荐算法的产品，也能从产品侧出发， 设计出一款不错的推荐系统。 相信很多新手产品，看到算法二字，多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法（注：传统是指科班出身的产品都会接触过）。但对于推荐算法，多数产品对着网上搜到的资源，都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后，更是加大了理解的难度。 但，不了解推荐算法，就无法做推荐系
阅读更多...
康拓展开（hash算法中会用到）

康拓展开（hash算法中会用到）

康拓展开是一个全排列到一个自然数的双射（也就是某个全排列与某个自然数一一对应） 公式： X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。（a[i]在不同应用中的含义不同）； 典型应用： 计算当前排列在所有由小到大全排列中的顺序，也就是说求当前排列是第
阅读更多...
【C++ Primer Plus习题】13.4

【C++ Primer Plus习题】13.4

大家好,这里是国中之林! ❥前些天发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，忍不住分享一下给大家。点击跳转到网站。有兴趣的可以点点进去看看← 问题: 解答: main.cpp #include <iostream>#include "port.h"int main() {Port p1;Port p2("Abc", "Bcc", 30);std::cout <<
阅读更多...
第10章 中断和动态时钟显示

第10章 中断和动态时钟显示

第10章 中断和动态时钟显示 从本章开始，按照书籍的划分，第10章开始就进入保护模式（Protected Mode）部分了，感觉从这里开始难度突然就增加了。 书中介绍了为什么有中断（Interrupt）的设计，中断的几种方式：外部硬件中断、内部中断和软中断。通过中断做了一个会走的时钟和屏幕上输入字符的程序。 我自己理解中断的一些作用： 为了更好的利用处理器的性能。协同快速和慢速设备一起工作
阅读更多...
csu 1446 Problem J Modified LCS （扩展欧几里得算法的简单应用）

csu 1446 Problem J Modified LCS （扩展欧几里得算法的简单应用）

这是一道扩展欧几里得算法的简单应用题，这题是在湖南多校训练赛中队友ac的一道题，在比赛之后请教了队友，然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意：把题意转变下就变成了：求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点：求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个
阅读更多...
C++包装器

C++包装器

包装器 在 C++ 中，“包装器”通常指的是一种设计模式或编程技巧，用于封装其他代码或对象，使其更易于使用、管理或扩展。包装器的概念在编程中非常普遍，可以用于函数、类、库等多个方面。下面是几个常见的 “包装器” 类型： 1. 函数包装器 函数包装器用于封装一个或多个函数，使其接口更统一或更便于调用。例如，std::function 是一个通用的函数包装器，它可以存储任意可调用对象（函数、函数
阅读更多...
综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动，这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升：减少抖动，提高图像的清晰度和细节表现力，使得监控画面更加真实可信。 - 细节增强：在低光条件下，抖
阅读更多...
C++11第三弹：lambda表达式 | 新的类功能 | 模板的可变参数

C++11第三弹：lambda表达式 | 新的类功能 | 模板的可变参数

🌈个人主页： 南桥几晴秋 🌈C++专栏： 南桥谈C++ 🌈C语言专栏： C语言学习系列 🌈Linux学习专栏： 南桥谈Linux 🌈数据结构学习专栏： 数据结构杂谈 🌈数据库学习专栏： 南桥谈MySQL 🌈Qt学习专栏： 南桥谈Qt 🌈菜鸡代码练习： 练习随想记录 🌈git学习： 南桥谈Git 🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈�
阅读更多...
【数据结构】——原来排序算法搞懂这些就行，轻松拿捏

【数据结构】——原来排序算法搞懂这些就行，轻松拿捏

前言：快速排序的实现最重要的是找基准值，下面让我们来了解如何实现找基准值 基准值的注释：在快排的过程中，每一次我们要取一个元素作为枢纽值，以这个数字来将序列划分为两部分。 在此我们采用三数取中法，也就是取左端、中间、右端三个数，然后进行排序，将中间数作为枢纽值。 快速排序实现主框架： //快速排序 void QuickSort(int* arr, int left, int rig
阅读更多...
动态规划---打家劫舍

动态规划---打家劫舍

题目： 你是一个专业的小偷，计划偷窃沿街的房屋。每间房内都藏有一定的现金，影响你偷窃的唯一制约因素就是相邻的房屋装有相互连通的防盗系统，如果两间相邻的房屋在同一晚上被小偷闯入，系统会自动报警。 给定一个代表每个房屋存放金额的非负整数数组，计算你 不触动警报装置的情况下 ，一夜之内能够偷窃到的最高金额。 思路： 动态规划五部曲： 1.确定dp数组及含义 dp数组是一维数组，dp[i]代表
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2