动态规划—#740. 删除并获得点数
前言
给你一个整数数组 n u m s nums nums ,你可以对它进行一些操作。
每次操作中,选择任意一个 n u m s [ i ] nums[i] nums[i] ,删除它并获得 n u m s [ i ] nums[i] nums[i] 的点数。之后,你必须删除 所有 等于 n u m s [ i ] − 1 nums[i] - 1 nums[i]−1 和$ nums[i] + 1$ 的元素。
开始你拥有 0 0 0 个点数。返回你能通过这些操作获得的最大点数。
题目描述
基本思路
1. 问题定义:
在这个问题中,我们有一个数组 n u m s [ ] nums[] nums[],每个元素代表一个数字。你可以选择删除某个数字 x x x ,并获得 x x x 点数。然而,每当你删除一个数字 x x x ,与 x x x 相邻的数字 x − 1 x-1 x−1 和 x + 1 x+1 x+1 也会从数组中删除。问题要求的是:你通过删除数字获得的最大点数是多少?
2. 理解问题和递推关系:
这个问题类似于"打家劫舍"问题,可以转化为一个动态规划问题。每次删除某个数字时,你既获得了它的值,也会让相邻的数字无法再被选择。因此,可以把问题转化为:每个数 x x x 要么选择,要么跳过。
我们将问题理解为两个选择:
- 选择删除某个数字 x x x :那么你会获得 x x x 出现的总值 x x x *出现次数,同时不能再选择 x − 1 x-1 x−1 和 x + 1 x+1 x+1 。
- 不选择删除某个数字 x x x :那么你可以选择去考虑删除其他数字。
为了将问题转化成打家劫舍的形式:
- 我们可以对 n u m s [ ] nums[] nums[] 进行预处理,统计每个数 x x x 的出现次数,然后构建一个数组 e a r n [ ] earn[] earn[],其中 e a r n [ x ] = x ∗ earn [x]=x * earn[x]=x∗ 出现次数。
- 现在,问题转化为:给定一个数组 e a r n [ ] earn[] earn[],从中选择不相邻的数,使得获得的总和最大。这就是"打家劫舍"问题的典型形式。
3. 解决方法:
- 预处理:首先统计 n u m s [ ] nums[] nums[] 中每个数字的出现次数,并构建 e a r n [ ] earn[] earn[],即 e a r n [ x ] = x ∗ earn[ x ]=\mathrm{x} * earn[x]=x∗ 出现次数。
- 递推公式:我们使用动态规划来解决该问题,设 d p [ i ] d p[i] dp[i] 表示前 i i i 个数字的最大点数。那么:
d p [ i ] = max ( d p [ i − 1 ] , d p [ i − 2 ] + earn [ i ] ) d p[i]=\max (d p[i-1], d p[i-2]+\operatorname{earn}[i]) dp[i]=max(dp[i−1],dp[i−2]+earn[i])
解释:
- d p [ i − 1 ] dp[i-1] dp[i−1] 表示我们不删除数字 i i i,因此直接继承前面的最大值。
- d p [ i − 2 ] + e a r n [ i ] dp[i-2] + earn[i] dp[i−2]+earn[i] 表示我们删除了数字 i i i,因此需要加上 e a r n [ i ] earn[i] earn[i],同时要跳过 i − 1 i-1 i−1。
- 边界条件:
- 如果数组为空,直接返回 0 0 0 。
- 如果数组只有一个元素,那么返回该元素对应的 e a r n earn earn 值。
4. 进一步优化:
在上述方法中,我们使用了一个数组 d p [ ] d p[] dp[] 来保存每个位置的最大点数。但实际上, d p [ i ] d p[i] dp[i] 只依赖于 d p [ i − 1 ] d p[i-1] dp[i−1] 和 dp[i-2],因此可以通过使用两个变量来优化空间复杂度,从 O ( n ) O(n) O(n) 降低到 O ( 1 ) O(1) O(1) 。
- 时间复杂度: O ( n ) O(n) O(n) ,因为我们需要遍历数组构建 e a r n [ ] earn[] earn[],以及进行动态规划。
- 空间复杂度:通过优化后可以降低到 O ( 1 ) O(1) O(1) ,只需要常量空间保存前两个状态。
5. 小总结:
- 问题核心:通过删除某个数获得它的总值,并且不能删除与它相邻的数。这个问题转化为典型的动态规划问题。
- 动态规划:通过计算每个数出现的总值 e a r n [ x ] earn[x] earn[x],将问题简化为选择不相邻的数求最大和的问题。
- 优化:使用两个变量保存前两个状态,减少空间消耗。
以上就是删除并获得点数问题的基本思路。
代码实现
Python3代码实现
class Solution:
def deleteAndEarn(self, nums: list[int]) -> int:
if not nums:
return 0
# 统计每个数字的总收益
max_num = max(nums)
earn = [0] * (max_num + 1)
for num in nums:
earn[num] += num
# 使用动态规划来解决打家劫舍问题
prev2, prev1 = 0, 0
for i in range(len(earn)):
current = max(prev1, prev2 + earn[i])
prev2 = prev1
prev1 = current
return prev1
Python 代码解释
- 边界条件:如果 n u m s [ ] nums[] nums[] 为空,直接返回 0 0 0。
- 统计:我们遍历 n u m s [ ] nums[] nums[],构建 e a r n [ ] earn[] earn[],其中 e a r n [ x ] = x ∗ earn[x] = x * earn[x]=x∗ 出现次数。
- 动态规划:通过 p r e v 2 prev2 prev2 和 p r e v 1 prev1 prev1 来存储前两个状态的最大值,然后根据递推公式依次更新,最终返回 p r e v 1 prev1 prev1 即为最大值。
C++代码实现
class Solution:
def deleteAndEarn(self, nums: list[int]) -> int:
if not nums:
return 0
# 统计每个数字的总收益
max_num = max(nums)
earn = [0] * (max_num + 1)
for num in nums:
earn[num] += num
# 使用动态规划来解决打家劫舍问题
prev2, prev1 = 0, 0
for i in range(len(earn)):
current = max(prev1, prev2 + earn[i])
prev2 = prev1
prev1 = current
return prev1
C++ 代码解释
- 边界条件:如果 n u m s [ ] nums[] nums[] 为空,直接返回 0 0 0。
- 统计:构建 e a r n [ ] earn[] earn[] 数组,存储每个数字的总收益。
- 动态规划:使用两个变量 p r e v 2 prev2 prev2 和 p r e v 1 prev1 prev1 来分别存储前两个状态的最大收益,遍历数组 e a r n [ ] earn[] earn[],最终返回 p r e v 1 prev1 prev1。
总结:
- 动态规划是解决此类问题的核心,将删除数字及其邻居的问题转化为典型的选择不相邻数的问题。
- 优化空间:通过使用常量空间,减少了数组存储的开销,使得算法在时间和空间上都更高效。