Mice and Cheese 老鼠和奶酪
问题描述:
有两只老鼠和 n 块不同类型的奶酪,每块奶酪都只能被其中一只老鼠吃掉。
下标为 i 处的奶酪被吃掉的得分为:
如果第一只老鼠吃掉,则得分为 reward1[i] 。
如果第二只老鼠吃掉,则得分为 reward2[i] 。
给你一个正整数数组 reward1 ,一个正整数数组 reward2 ,和一个非负整数 k 。
请你返回第一只老鼠恰好吃掉 k 块奶酪的情况下,最大 得分为多少。
reward1,reward2范围[1,100000] ,k范围[0,n] , r e w a r d 1 [ i ] , r e w a r d 2 [ i ] reward1[i],reward2[i] reward1[i],reward2[i] 范围[1,1000]
分析
这是一个很有意思的问题,2只老鼠吃同一组奶酪得分不一定一样。而要求的是当A恰好吃掉k个奶酪后,最大的得分。
也就是当A恰好吃掉
k
k
k个奶酪,B把剩余的
n
−
k
n-k
n−k个都吃掉,在这样的情况下该得到的最大分数。
理论上,用
f
[
i
]
f[i]
f[i]表示A吃掉i个奶酪可以得到的最大分数,用
g
[
i
]
g[i]
g[i]表示B吃掉i个奶酪可以得到的最大分数,此时
f
[
k
]
+
g
[
n
−
k
]
f[k]+g[n-k]
f[k]+g[n−k]应该会是最大分数,以这个模型来思考,并不能完整的覆盖所有的情况,因为在这2个函数中,可能会有重叠的奶酪。最安全的应该是A从
n
n
n个奶酪中选
k
k
k个后,B拿走剩余的
n
−
k
n-k
n−k,所能得到的最大分。这个思路下,很明显是一个DFS,但是看到数据规模后,这个思路很快就放弃了。
以100000的规模下,最理想的时间复杂度就是
O
(
N
)
O(N)
O(N),稍差的就是
O
(
N
L
o
g
N
)
O(NLogN)
O(NLogN)。
所以模拟,暴力,DFS,可以洗洗睡了。
换个角度思考在不考虑限制的情况下,以一个奶酪来看,AB谁吃,这个决策最佳,很明显,当A的
r
e
w
a
r
d
1
[
i
]
>
r
e
w
a
r
d
2
[
i
]
reward1[i]>reward2[i]
reward1[i]>reward2[i],应该给A吃,通俗的说,谁得分高,谁吃。
用
F
[
i
]
F[i]
F[i]表示
A
吃掉
i
奶酪得分
−
B
吃掉
i
奶酪的得分
A吃掉i奶酪得分-B吃掉i奶酪的得分
A吃掉i奶酪得分−B吃掉i奶酪的得分,当
F
[
i
]
>
0
F[i]>0
F[i]>0时,奶酪给A,一定优于给B,因此排序从大到小,所以选择最大的
k
k
k个
F
[
i
]
F[i]
F[i]给A, 这个策略就是最佳的。因为F表示的是得分差,因此还需要计算B把所有奶酪都吃掉的得分,然后再加上
K
K
K个
F
[
i
]
F[i]
F[i]。
代码
public int miceAndCheese(int[] reward1, int[] reward2, int k) {
int ans = 0;
int n = reward1.length;
int[] diffs = new int[n];
for (int i = 0; i < n; i++) {
ans += reward2[i];
diffs[i] = reward1[i] - reward2[i];
}
Arrays.sort(diffs);
for (int i = 1; i <= k; i++) {
ans += diffs[n - i];
}
return ans;
}
时间复杂度O(NlogN)
空间复杂度O(N)
Tag
Greedy
Array
Dynamic Programming