算法沉淀——动态规划之简单多状态 dp 问题（上）（leetcode真题剖析）_网站优化分享

您的位置：上海毫米网络优化公司 > 网站优化分享 >

算法沉淀——动态规划之简单多状态 dp 问题上

01.按摩师
02.打家劫舍 II
03.删除并获得点数
04.粉刷房子
01.按摩师

题目链接：https://leetcode.cn/problems/the-masseuse-lcci/

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。

注意：本题相对原题稍作改动

示例 1：

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。

示例 2：

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。

示例 3：

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。

思路
1. 状态表达：我们定义两个状态数组，f 和 g：
  - f[i] 表示：选择到位置 i 时，此时的最长预约时长，且 nums[i] 必须选。
  - g[i] 表示：选择到位置 i 时，此时的最长预约时长，nums[i] 不选。
  - 状态转移方程：对于 f[i]：
    - 如果 nums[i] 必须选，那么我们仅需知道 i - 1 位置在不选的情况下的最长预约时长，然后加上 nums[i] 即可，因此 f[i] = g[i - 1] + nums[i]。
      对于 g[i]：
      - 如果 nums[i] 不选，那么 i - 1 位置上选或者不选都可以。因此，我们需要知道 i - 1 位置上选或者不选两种情况下的最长时长，因此 g[i] = max(f[i - 1], g[i - 1])。
      - 初始化：由于这道题的初始化比较简单，无需加辅助节点，仅需初始化 f[0] = nums[0], g[0] = 0 即可。
      - 填表顺序：根据状态转移方程，从左往右，两个表一起填。
      - 返回值：根据状态表达，我们应该返回 max(f[n - 1], g[n - 1])。
代码
```
class Solution {
public:
    int massage(vector& nums) {
        int n = nums.size();
        if(n==0) return 0;
        vector f(n);
        vector g(n);
        f[0] = nums[0];
        for (int i = 1; i < n; ++i)
        {
	            f[i] = g[i - 1] + nums[i];
            	g[i] = max(f[i - 1], g[i - 1]);
        }
        return max(g[n - 1], f[n - 1]);
    }
};
```
02.打家劫舍 II

题目链接：https://leetcode.cn/problems/house-robber-ii/

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。这个地方所有的房屋都围成一圈，这意味着第一个房屋和最后一个房屋是紧挨着的。同时，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，计算你在不触动警报装置的情况下，今晚能够偷窃到的最高金额。

示例 1：
```
输入：nums = [2,3,2]
输出：3
解释：你不能先偷窃 1 号房屋（金额 = 2），然后偷窃 3 号房屋（金额 = 2）, 因为他们是相邻的。
```
示例 2：
```
输入：nums = [1,2,3,1]
输出：4
解释：你可以先偷窃 1 号房屋（金额 = 1），然后偷窃 3 号房屋（金额 = 3）。
     偷窃到的最高金额 = 1 + 3 = 4 。
```
示例 3：
```
输入：nums = [1,2,3]
输出：3
```
提示：
- 1 <= nums.length <= 100
- 0 <= nums[i] <= 1000
  思路
  
  将环形的打家劫舍问题转化为两个单排的问题。具体来说，你分别考虑两种情况：
  
  a. 偷第一个房屋的情况：在这种情况下，由于首尾相连，你不能偷最后一个房子，因此偷窃范围是 [0, n - 2]。你可以使用之前解决「打家劫舍I」的动态规划方法来找到在这个范围内的最大金额，得到的结果是 x。
  
  b. 不偷第一个房屋的情况：在这种情况下，你可以偷最后一个房子，因此偷窃范围是 [1, n - 1]。同样，使用相同的动态规划方法得到在这个范围内的最大金额，得到的结果是 y。
  
  最终的答案就是这两种情况下的最大值，即 max(x, y)。
  
  代码
```
class Solution {
public:
    int rob(vector& nums) {
        int n=nums.size();
        return max(nums[0]+rob1(nums,2,n-2),rob1(nums,1,n-1));
    }
    int rob1(vector& nums,int start,int end){
        if(start>end) return 0;
        int n=nums.size();
        vector f(n);
        vector g(n);
        f[start]=nums[start];
        for(int i=start+1;i<=end;i++){
            f[i]=g[i-1]+nums[i];
            g[i]=max(g[i-1],f[i-1]);
        }
        return max(g[end],f[end]);
    }
};
```
  03.删除并获得点数
  
  题目链接：https://leetcode.cn/problems/delete-and-earn/
  
  给你一个整数数组 nums ，你可以对它进行一些操作。
  
  每次操作中，选择任意一个 nums[i] ，删除它并获得 nums[i] 的点数。之后，你必须删除所有等于 nums[i] - 1 和 nums[i] + 1 的元素。
  
  开始你拥有 0 个点数。返回你能通过这些操作获得的最大点数。
  
  示例 1：
```
输入：nums = [3,4,2]
输出：6
解释：
删除 4 获得 4 个点数，因此 3 也被删除。
之后，删除 2 获得 2 个点数。总共获得 6 个点数。
```
  示例 2：
```
输入：nums = [2,2,3,3,3,4]
输出：9
解释：
删除 3 获得 3 个点数，接着要删除两个 2 和 4 。
之后，再次删除 3 获得 3 个点数，再次删除 3 获得 3 个点数。
总共获得 9 个点数。
```
  提示：
  - 1 <= nums.length <= 2 * 104
  - 1 <= nums[i] <= 104
    思路
    
    其实这道题可以看作是「打家劫舍I」问题的变体。通过将每个数字的出现的和记录在 hash 数组中，然后在 hash 数组上应用「打家劫舍」的思路，你能够有效地解决这个问题。
    
    具体来说，可以创建一个大小为 10001（根据题目的数据范围）的 hash 数组，将 nums 数组中的每个元素 x 累加到 hash 数组下标为 x 的位置上。然后就可以使用「打家劫舍I」问题的动态规划方法，从 hash 数组中找到不相邻的元素的最大和。
    
    代码
```
class Solution {
public:
    int deleteAndEarn(vector& nums) {
        int hash[10001] = {0};
        for(int& x:nums) hash[x]+=x;
        vector f(10001);
        vector g(10001);
        for(int i=1;i<10001;++i){
            f[i]=g[i-1]+hash[i];
            g[i]=max(g[i-1],f[i-1]);
        }
        return max(f[10000],g[10000]);
    }
};
```
    04.粉刷房子
    
    题目链接：https://leetcode.cn/problems/JEj789/
    
    假如有一排房子，共 n 个，每个房子可以被粉刷成红色、蓝色或者绿色这三种颜色中的一种，你需要粉刷所有的房子并且使其相邻的两个房子颜色不能相同。
    
    当然，因为市场上不同颜色油漆的价格不同，所以房子粉刷成不同颜色的花费成本也是不同的。每个房子粉刷成不同颜色的花费是以一个 n x 3 的正整数矩阵 costs 来表示的。
    
    例如，costs[0][0] 表示第 0 号房子粉刷成红色的成本花费；costs[1][2] 表示第 1 号房子粉刷成绿色的花费，以此类推。
    
    请计算出粉刷完所有房子最少的花费成本。
    
    示例 1：
```
输入: costs = [[17,2,17],[16,16,5],[14,3,19]]
输出: 10
解释: 将 0 号房子粉刷成蓝色，1 号房子粉刷成绿色，2 号房子粉刷成蓝色。
     最少花费: 2 + 5 + 3 = 10。
```
    示例 2：
```
输入: costs = [[7,6,2]]
输出: 2 
```
    提示:
    - costs.length == n
    - costs[i].length == 3
    - 1 <= n <= 100
    - 1 <= costs[i][j] <= 20
      思路
      1. 状态表表示：
        
        在处理线性动态规划时，采用“经验+题目要求”方式定义状态表，选择以某个位置为结尾的方式。
        在该位置结束时，定义三种颜色选择的状态表，分别表示最后一个位置选择“红色”、“蓝色”和“绿色”的最小花费。
        
        状态转移方程：
        
        分析三个状态的转移方程，以 dp[i][0] 为例：
        
        若选择在位置 i 粉刷“红色”，考虑前一个位置“蓝色”和“绿色”两种情况的最小花费，再加上当前位置的花费。
        类似地，对于 dp[i][1] 和 dp[i][2]，分别考虑选择“蓝色”和“绿色”时的最小花费。
        于是状态方程为：
        
        dp[i][0]=min(dp[i-1][1],dp[i-1][2])+costs[i-1][0]; dp[i][1]=min(dp[i-1][0],dp[i-1][2])+costs[i-1][1]; dp[i][2]=min(dp[i-1][0],dp[i-1][1])+costs[i-1][2];
        
        初始化：
        
        添加一个辅助节点，将其初始化为 0，确保后续填表的正确性。
        注意辅助节点的值要符合题目的要求。
        
        填表顺序：
        
        根据状态转移方程，从左往右同时填充三个表格。
        
        返回值：
        
        返回最后一个位置三种颜色选择的最小值，即 min(dp[n][0], min(dp[n][1], dp[n][2]))。
      代码
```
class Solution {
public:
    int minCost(vector>& costs) {
        int n=costs.size();
        vector> dp(n+1,vector(3));
        for(int i=1;i<=n;i++){
            dp[i][0]=min(dp[i-1][1],dp[i-1][2])+costs[i-1][0];
            dp[i][1]=min(dp[i-1][0],dp[i-1][2])+costs[i-1][1];
            dp[i][2]=min(dp[i-1][0],dp[i-1][1])+costs[i-1][2];
        }
        return min(dp[n][0],min(dp[n][1],dp[n][2]));
    }
};
```
      专业网站建设公司电话南通企业模板建站广东营销型网站建设网站规划的步骤营销型网站建设团队江阴网站制作哪家好

上一篇：【数据结构】数组、双链表代码实现

下一篇：力扣每日一道系列 --- LeetCode 160. 相交链表

算法沉淀——动态规划之简单多状态 dp 问题上

01.按摩师

02.打家劫舍 II

03.删除并获得点数

04.粉刷房子