力扣(LeetCode)2008. 出租车的最大盈利(C语言)

一、环境说明

1. 本文是 LeetCode 2008题 : 出租车的最大盈利，使用c语言实现。
2. 动态规划。
3. 测试环境:Visual Studio 2019。

二、代码展示

#define Max(a,b) ((a)>(b)?(a):(b))
int cmp(const void *a,const void *b){
    return (*((int**)a))[1] - (*((int**)b))[1];//按照end升序
}
long long maxTaxiEarnings(int n, int** rides, int ridesSize, int* ridesColSize){
    qsort(rides,ridesSize,sizeof(rides[0]),cmp);//按照end升序
    int i = 1,j=0;//遍历的两个位置
    long long dp[n+1];//最大dp[n]
    memset(dp,0,sizeof(long long)*n);//初始化dp为0
    while(i<=n){//一直遍历到dp[n]
        dp[i]=dp[i-1];
        while(j<ridesSize&&i==rides[j][1]){//j用于遍历rides。当终点i==rides[j][1]时，说明需要更新dp了。
            int end =rides[j][1];//终点
            int start = rides[j][0];//起点
            int tips = rides[j][2];//小费
            dp[i]=Max(dp[i],dp[start]+end - start +tips);
            j++;//找下一个j//这里可以二分查找优化//参考1235题官解。
        }
        i++;
    }
    return dp[n];
}

三、思路分析

• 动态规划。
• 分析怎么设计 $dp$ 。区间动态规划的较好处理是：遍历 $rides$ ，找目前最早的结束地点 $end$ 。

1. 同时遍历 $n$ 和 $rides$ ，用 $i$ 表示 $n$ 当前位置，用 $j$ 表示 $rides$ 当前位置。
2. 我们对 $rides$ 按 $end$ 升序快排，当前位置 $j$ 就是目前最早的 $end$ 。
3. 记 $f[i]$ 为 $i$ 位置前的最大盈利。对于位置 $i$ ，最大盈利 $f[i]$ 可能等于 $f[i-1]$ ，也可能等于 $f[j]+end-start+tips$ ，所以设计 $f[i]=Max(f[i-1],f[j]+end-start+tips)$ 。 $j$ 是以 $i$ 作为 $end$ 的一个起始地点。
4. 提示： $i$ 之前上车的顾客，可能不止一个人在 $i$ 下车。所以我们用 $j$ 遍历 $rides$ ，确保每个顾客都被考虑。

状态转移方程 :

$f[i]=\{\begin{array}{ll}f[i-1]& \text{if }不上车\\ f[start]+end-start+tips& \text{if }上车\end{array}$

四、代码分析

• 理解思路很重要！
• 欢迎读者在评论区留言，作为日更博主，看到就会回复的。

五、AC

第一次双百。

六、复杂度分析

复杂度小知识: 时空复杂度是大致级别。规则 : ①忽略常数； ②同变量忽略较低数量级，如 $O(mlo{g}_{2}m+m)$ ，保留 $O(mlogm)$ 即可。

1. 时间复杂度:$O(n+mlogm)$ ,$n$ 是地点总数， $m$ 是 $rides$ 的大小。

提示: 快排 $rides$ 的平均时间复杂度是$O(mlo{g}_{2}m)$ ，这是在快排的分治操作下，算法本身决定的。

代码中，出现 $while$ 嵌套 $while$ ，看似时间复杂度要乘起来，其实是相加，因为我们限制 $i、j$ 在循环中只会后移，不会回退 。遍历 $n$ 个地点的时间复杂度是$O(n)$ , 遍历 $rides$ 的时间复杂度是 $O(m)$，二者是相加关系 。

总体时间复杂度是 $O(mlo{g}_{2}m+n+m)$ ，$O(m)<O(mlo{g}_{2}m)$ ，忽略 $O(m)$ ，最终时间复杂度 $O(mlogm+n)$。

2. 空间复杂度: $O(n+logm)$ , $dp[n]$ 的空间复杂度 $O(n)$ ，快排 $rides$ 的空间复杂度是 $O(logm)$ 。

提示: 快排的空间复杂度由算法本身决定。
$dp[N]$ 是一开始定义好的。