【动态规划 状态机dp 性能优化】3098. 求出所有子序列的能量和

最新推荐文章于 2024-08-25 18:17:58 发布
最新推荐文章于 2024-08-25 18:17:58 发布
阅读量2.5k 收藏 68
点赞数 94
分类专栏： 数据结构与算法 文章标签： 动态规划 算法 力扣 c++ 状态机dp 前缀和 子序列
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/he_zhidan/article/details/137734329
版权

本文涉及知识点

动态规划 状态机dp 性能优化

LeetCode3098. 求出所有子序列的能量和

给你一个长度为 n 的整数数组 nums 和一个 正 整数 k 。
一个子序列的 能量 定义为子序列中 任意 两个元素的差值绝对值的 最小值 。
请你返回 nums 中长度 等于 k 的 所有 子序列的 能量和 。
由于答案可能会很大，将答案对 109 + 7 取余 后返回。
示例 1：
输入：nums = [1,2,3,4], k = 3
输出：4
解释：
nums 中总共有 4 个长度为 3 的子序列：[1,2,3] ，[1,3,4] ，[1,2,4] 和 [2,3,4] 。能量和为 |2 - 3| + |3 - 4| + |2 - 1| + |3 - 4| = 4 。
示例 2：
输入：nums = [2,2], k = 2
输出：0
解释：
nums 中唯一一个长度为 2 的子序列是 [2,2] 。能量和为 |2 - 2| = 0 。
示例 3：
输入：nums = [4,3,-1], k = 2
输出：10
解释：
nums 总共有 3 个长度为 2 的子序列：[4,3] ，[4,-1] 和 [3,-1] 。能量和为 |4 - 3| + |4 - (-1)| + |3 - (-1)| = 10 。

提示：
2 <= n == nums.length <= 50
-108 <= nums[i] <= 108
2 <= k <= n

动态规划（状态机dp)初版

动态规划的状态 表示

pre 表示已经处理完前x个数组符合条件的数量,dp表示已经处理完x+1数组符合条件的数量。

pre[i][j][end][len] 表示此子序列：
a，长度为len。
b,以nums[end]结束。
c,nums[j]-nums[i]的差最小。如果多个(i,j)符合条件，取最小的。比如：{1,2,3}的(I,j)是{0,1}而不是{1,2}。
空间复杂度：O(nnnk)
dp类似。

动态规划的转移方程

只需要从x 推导x+1，不需要推导x+2,x+3 ⋯ \cdots ⋯ ，如果硬要的话需要用前缀和（后缀和）。　
{ d p = p r e 不选择 n u m s [ x ] d p [ i ] [ j ] [ x ] [ l e n + 1 ] + = . . . e l s e 且 n u m s [ j ] − n u m s [ i ] < = n u m s [ x ] − n u m s [ e n d ] d p [ e n d ] [ x ] [ x ] [ l e n + 1 ] + = . . . e l s e \begin{cases} dp = pre && 不选择nums[x] \\ dp[i][j][x][len+1] += ... && else 且 nums[j]-nums[i] <= nums[x]-nums[end] \\ dp[end][x][x][len+1] += ... else \\ \end{cases} ⎩ ⎨ ⎧​dp=predp[i][j][x][len+1]+=...dp[end][x][x][len+1]+=...else​​不选择nums[x]else且nums[j]−nums[i]<=nums[x]−nums[end]​
时间复杂度：O(nnnkn) 估计超时
剪枝：
枚举的时候确保 i < j ，且 j <= x。

动态规划+前缀和

拆分成若干个子问题，假定序列存在(i,j)，且此序列的能力为power = nums[j]-nums[i]。

动态规划的状态表示

dp[len][end] 表示 子序列的长度为len，最后一个元素是end。
空间复杂度：O(kn)

利用前缀和优化 动态规划的转移方程

枚举end，end not ∈ \in ∈(i,j) ，否则此序列的能量就不是nums[j]-nums[i]了。
{ o l d E n d ∈ [ 0 , e n d ) 且 n u m s [ e n d ] − n u m s [ o l d E n d ] > p o w e r e n d < = i o e d E n d ∈ ( e n d , n ) 且 n u m s [ e n d ] − n u m s [ o l d E n d ] > = p o w e r e n d > = j \begin{cases} oldEnd \in [0,end)且nums[end] -nums[oldEnd] > power && end <= i \\ oedEnd \in (end,n) 且 nums[end] -nums[oldEnd] >= power && end >=j \\ \end{cases} {oldEnd∈[0,end)且nums[end]−nums[oldEnd]>poweroedEnd∈(end,n)且nums[end]−nums[oldEnd]>=power​​end<=iend>=j​

如果不利用前缀和优先，时间复杂度：O(knn)，利用前缀和优化O(kn)。
总时间复杂度：O(knkn)。

动态规划的初始状态

枚举所有长度为2

动态规划的填表顺序

l e n = 3 n _{len=3}^{n} len=3n​

动态规划的返回值

len == k 且 end >=j 才是需要统计的子序列数量。

代码

没用前缀和优化

理论上过不了，实际过了。

template<int MOD = 1000000007>
class C1097Int
{
public:
	C1097Int(long long llData = 0) :m_iData(llData% MOD)
	{

	}
	C1097Int  operator+(const C1097Int& o)const
	{
		return C1097Int(((long long)m_iData + o.m_iData) % MOD);
	}
	C1097Int& operator+=(const C1097Int& o)
	{
		m_iData = ((long long)m_iData + o.m_iData) % MOD;
		return *this;
	}
	C1097Int& operator-=(const C1097Int& o)
	{
		m_iData = (m_iData + MOD - o.m_iData) % MOD;
		return *this;
	}
	C1097Int  operator-(const C1097Int& o)
	{
		return C1097Int((m_iData + MOD - o.m_iData) % MOD);
	}
	C1097Int  operator*(const C1097Int& o)const
	{
		return((long long)m_iData * o.m_iData) % MOD;
	}
	C1097Int& operator*=(const C1097Int& o)
	{
		m_iData = ((long long)m_iData * o.m_iData) % MOD;
		return *this;
	}
	bool operator==(const C1097Int& o)const
	{
		return m_iData == o.m_iData;
	}
	bool operator<(const C1097Int& o)const
	{
		return m_iData < o.m_iData;
	}
	C1097Int pow(long long n)const
	{
		C1097Int iRet = 1, iCur = *this;
		while (n)
		{
			if (n & 1)
			{
				iRet *= iCur;
			}
			iCur *= iCur;
			n >>= 1;
		}
		return iRet;
	}
	C1097Int PowNegative1()const
	{
		return pow(MOD - 2);
	}
	int ToInt()const
	{
		return m_iData;
	}
private:
	int m_iData = 0;;
};

class Solution {
public:
	int sumOfPowers(vector<int>& nums, const int K) {
		m_c = nums.size();
		sort(nums.begin(), nums.end());		
		C1097Int<> biRet = 0;
		for (int i = 0; i < m_c; i++) {
			for (int j = i + 1; j < m_c; j++) {
				auto cur = Do(nums, i, j, K);
				biRet += cur;
				//std::cout << " i :" << i << " j:" << j << " " << cur.ToInt() <<  std::endl;
			}
		}
		return biRet.ToInt();
	}
	C1097Int<> Do(const vector<int>& nums,int i,int j, const int K) {
		const int iDiff = nums[j] - nums[i];
		vector<vector<C1097Int<>>> dp(K + 1, vector<C1097Int<>>(m_c));
		for (int end = 0; end <= i; end++) {
			for (int end1 = 0; end1 < end; end1++) {
				if (nums[end] - nums[end1] > iDiff) {
					dp[2][end] += 1;
				}
			}
		}
		dp[2][j] = 1;
	
		for (int len = 3; len <= K; len++) {
			for (int end = 0; end <= i; end++) {
				for (int end1 = 0; end1 < end; end1++) {
					if (nums[end] - nums[end1] > iDiff) {
						dp[len][end] += dp[len - 1][end1];
					}
				}
			}
			dp[len][j] = dp[len - 1][i];
			for (int end = j+1; end < m_c; end++) {
				for (int end1 = j; end1 < end; end1++) {
					if (nums[end] - nums[end1] >= iDiff) {
						dp[len][end] += dp[len - 1][end1];
					}
				}
			}
		}
		return std::accumulate(dp.back().begin() + j, dp.back().end(), C1097Int<>())*iDiff;
	}
	int m_c;
};

测试用例

int main()
{
	vector<int> nums;
	int k;
	
	{
		Solution sln;
		nums = { 6,14,4,13 }, k = 3;
		auto res = sln.sumOfPowers(nums, k);
		Assert(6, res);
	}
	{
		Solution sln;
		nums = { 1,2,3,4 }, k = 3;
		auto res = sln.sumOfPowers(nums, k);
		Assert(4, res);
	}
	{
		Solution sln;
		nums = { 4,3,-1 }, k = 2;
		auto res = sln.sumOfPowers(nums, k);
		Assert(10, res);
	}

	{
		Solution sln;
		nums = { 2,2 }, k = 2;
		auto res = sln.sumOfPowers(nums, k);
		Assert(0, res);
	}
	{
		Solution sln;
		nums = { 2,246006,496910,752786,1013762,1279948,1551454,1828436,2110982,2399316,2693558,2993942,3300640,3613766,3933442,4259696,4592656,4932556,5279494,5633522,5994678,6363102,6739028,7122528,7513792,7913044,8320394,8736004,9160062,9592750,10034184,10484602,10944108,11412852,11891048,12378822,12876346,13383746,13901098,14428528,14966126,15514010,16072380,16641300,17220904,17811360,18412850,19025600,19649778,20285440 }, k = 37;
		auto res = sln.sumOfPowers(nums, k);
		Assert(273504325, res);
	}
}

利用前缀和优化：用时减少不到50%

template<int MOD = 1000000007>
class C1097Int
{
public:
	C1097Int(long long llData = 0) :m_iData(llData% MOD)
	{

	}
	C1097Int  operator+(const C1097Int& o)const
	{
		return C1097Int(((long long)m_iData + o.m_iData) % MOD);
	}
	C1097Int& operator+=(const C1097Int& o)
	{
		m_iData = ((long long)m_iData + o.m_iData) % MOD;
		return *this;
	}
	C1097Int& operator-=(const C1097Int& o)
	{
		m_iData = (m_iData + MOD - o.m_iData) % MOD;
		return *this;
	}
	C1097Int  operator-(const C1097Int& o)
	{
		return C1097Int((m_iData + MOD - o.m_iData) % MOD);
	}
	C1097Int  operator*(const C1097Int& o)const
	{
		return((long long)m_iData * o.m_iData) % MOD;
	}
	C1097Int& operator*=(const C1097Int& o)
	{
		m_iData = ((long long)m_iData * o.m_iData) % MOD;
		return *this;
	}
	bool operator==(const C1097Int& o)const
	{
		return m_iData == o.m_iData;
	}
	bool operator<(const C1097Int& o)const
	{
		return m_iData < o.m_iData;
	}
	C1097Int pow(long long n)const
	{
		C1097Int iRet = 1, iCur = *this;
		while (n)
		{
			if (n & 1)
			{
				iRet *= iCur;
			}
			iCur *= iCur;
			n >>= 1;
		}
		return iRet;
	}
	C1097Int PowNegative1()const
	{
		return pow(MOD - 2);
	}
	int ToInt()const
	{
		return m_iData;
	}
private:
	int m_iData = 0;;
};

class Solution {
public:
	int sumOfPowers(vector<int>& nums, const int K) {
		m_c = nums.size();
		sort(nums.begin(), nums.end());
		C1097Int<> biRet = 0;
		for (int i = 0; i < m_c; i++) {
			for (int j = i + 1; j < m_c; j++) {
				auto cur = Do(nums, i, j, K);
				biRet += cur;
				//std::cout << " i :" << i << " j:" << j << " " << cur.ToInt() <<  std::endl;
			}
		}
		return biRet.ToInt();
	}
	C1097Int<> Do(const vector<int>& nums, int i, int j, const int K) {
		const int iDiff = nums[j] - nums[i];
		vector<vector<C1097Int<>>> dp(K + 1, vector<C1097Int<>>(m_c));
		for (int end = 0; end <= i; end++) {
			for (int end1 = 0; end1 < end; end1++) {
				if (nums[end] - nums[end1] > iDiff) {
					dp[2][end] += 1;
				}
			}
		}
		dp[2][j] = 1;

		for (int len = 3; len <= K; len++) {
			int end1 = 0;
			C1097Int<> biRet = 0;
			for (int end = 0; end <= i; end++) {
				while ((end1 < end) && (nums[end] - nums[end1] > iDiff)) {
					biRet += dp[len - 1][end1];
					end1++;
				}
				dp[len ][end] = biRet;
			}
			dp[len][j] = dp[len - 1][i];
			C1097Int<> biRet2 = 0;
			for (int end = j + 1,end1=j ; end < m_c; end++) {
				while ((end1 < end) && (nums[end] - nums[end1] >= iDiff)) {
					biRet2 += dp[len - 1][end1];
					end1++;
				}
				dp[len][end] = biRet2;
			}
		}
		return std::accumulate(dp.back().begin() + j, dp.back().end(), C1097Int<>()) * iDiff;
	}
	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。

闻缺陷则喜何志丹
关注
  • 94
    点赞
  • 踩
  • 68
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 44
    评论
专栏目录
Algorithm：【算法进阶之路】之算法面试刷题集合—六大高级算法(枚举算法、回溯算法、递归思想、分治思想、动态规划、贪心算法)—最经典二十道算法刷题集合(问题详解+解题思路+代码实现)之最强攻略
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
10-23 27
​ Algorithm：【算法进阶之路】之算法面试刷题集合—六大高级算法(枚举算法、回溯算法、递归思想、分治思想、动态规划、贪心算法)—最经典二十道算法刷题集合(问题详解+解题思路+代码实现)之最强攻略 目录 六大高级算法最经典二十道算法刷题集合 1、枚举算法相关的问题：约瑟夫环、排列组合 2、回溯算法相关的问题：N皇后、图的着色、全排列 3、递归思想相关的问题：斐波那契数列、汉诺塔、N皇后 4、分治算法相关的问题：快速排序/归并排序、逆序对、最大公约数
leetcode 3098. 求出所有子序列的能量和【记忆化搜索】
lianxuhanshu_的博客
04-01 503
首先将所有元素从小到大排序，任意元素之间的最小差值等价于所有相邻元素差值的最小值，然后我们需要从n个元素中选出刚好k个元素，求所有这样的子序列的能量值的和，对于所有的长为k的子序列我们可以采取记忆化搜索的方式来处理，mem[i][j][v]表示从第i个元素开始并且选择了j个元素并且选择的所有元素中相邻元素的最小差值为v的所有子序列的能量值之和，知道了状态定义然后直接记忆化搜索即可。中唯一一个长度为 2 的子序列是。由于答案可能会很大，将答案对。空间复杂度：O(n^3*k)。两个元素的差值绝对值的。
汽车飞机电子开发原理
hursing的博客
12-05 3445
从电子运动开始，讲解飞机和汽车的制造原理。
基于非线性模型预测控制的并联式混合动力汽车实时能量管理策略
Jimmkudo的博客
01-13 2103
本项目以一款并联式混合动力汽车为研究对象，提出一种非线性模型预测控制(NMPC)策略方法。实现过程如下：首先通过建立非线性预测模型，来预测计算未来的状态变量；其次采用序列二次规划(SQP)算法对预测时域内的目标函数进行求解，以获得最低燃油消耗时所对应的最优转矩分配序列；最后将该最优序列的第1个控制变量施加给车辆，实现反馈滚动优化。
YADPF：MATLAB中的可重用动态规划函数包
软件X 17（2022）...万丹，15413，印度尼西亚ar t i cl e i nf o文章历史记录：2021年11月24日收到2022年1月15日收到修订版2022年1月25日接受保留字：动态规划最优控制动态优化强化学习a b st ra ct本文介绍了YADP
传感器移动边缘计算的多任务依赖性管理及优化技术研究：沙特国王大学学报
制作和主办：Elsevier沙特国王大学学报传感器移动边缘计算Sheuli Chakraborty先生，Kaushik Mazumdar1电子工程系，印度理工学院（IIT）Dhanbad，（ISM），826004，印度阿提奇莱因福奥文章历史记录：2021年12月9日...
"分层动态模型：解决人体动作识别中的时空变化问题
为了解决这个问题，我们建议一种称为分层动态模型（HDM）的概率模型。利用贝叶斯框架，允许模型同时，生成学习过程允许模型为每个动作类保留独特的动态模式。通过贝叶斯推理，我们能够量化分类的不确定性，在决策...
蓝牙WiFi技术融合：BlueFi系统的设计、实施和应用
Shin密歇根大学蓝牙在提供有价值的功能方面起着关键作用，蓝牙和WiFi是实现移动和物联网设备通信的两种主导技术它们有着特定的设计目标和原则，它们有很大的不同，每个都使用自己的硬件和软件。因此，它们不能互...
算法日记day 45（单调栈之每日温度|接雨水）
m0_74980681的博客
08-22 857
如果大于，则取栈顶元素为中间值并弹出栈顶元素，将遍历的元素与新的栈顶元素值比较取较小者，减去中间值得到高度h，然后栈顶元素下标值减去当前遍历的元素下标值再减一得到宽度w，最后高×宽得到面积，并记录，重复上述操作，直到遍历结束。第三种，如果遍历的元素值大于栈顶元素，用该下标减去栈顶元素下标，并将栈顶元素弹出，继续用该元素与新的栈顶元素比较，如果小于等于，则压入栈，如果大于，重复第三步操作。第一种，如果之后遍历的元素值小于栈顶压入的元素，将该元素的下标压入栈中。如果小于栈顶元素值，则压入栈内。
代码随想录算法训练营19-回溯1
weixin_53416771的博客
08-22 355
画出来的树是这样记录所有组合，一个变量current装当前的处理结果，一个res装所有的处理的结果下面的代码还可以剪枝优化。
算法025：前缀和
m0_62319039的博客
08-22 210
算法025：前缀和
计算机毕业设计选题推荐-二手房价分析与预测-Python爬虫可视化-算法
IT研究室的博客
08-21 874
随着城市化进程的加快和房地产市场的发展，二手房市场日益活跃。二手房价格不仅受到经济、政策、地理位置等多种因素的影响，还与房屋本身的结构、面积、建造年代等属性密切相关。根据国家统计局的数据，近年来，二手房交易量持续增长，房价波动也成为社会关注的焦点。有效的二手房价分析与预测对于政府制定房地产政策、投资者做出投资决策以及普通购房者选择购房时机都具有重要意义。本课题旨在开发一个二手房价分析与预测系统，通过该系统，管理员和用户能够对二手房市场进行深入的数据分析和房价预测。
智能微气候:精准调控背后的算法革命
u010079117的博客
08-20 977
通过迁移学习,优化后的策略可快速移植到新的设施环境、新的作物品种,实现农业专家知识的规模化复用。农业知识图谱是智慧农业的基础设施。未来,LLM与5G、IoT等新一代信息技术的融合,将进一步提升设施农业的智能化水平,实现更精准、更高效、更环保的设施种植模式。另一方面,LLM可以学习农业专家的经验知识,通过知识蒸馏等技术,将专家经验转化为可解释、可迁移的计算机程序,助力农业生产智能化。温室、养殖舍等设施通过对光、温、水、气、肥等环境要素的调控,为作物和畜禽营造最适宜的生长环境,实现农业生产的高产、优质、高效。
最小区间00
青釉Oo的博客
08-21 489
最小区间
算法笔试-编程练习-01-B-23
志远的博客
08-23 802
小红组内有 n 个人，大家合作完成了一个初版方案，初始时大家的愤怒值都是 0。 但是领导对方案并不满意，共需要修改 m 次方案，每次修改会先让第 l 到 r 个人的愤怒值加 1，然后再修改方案；
代码随想录算法训练营第二十二天| 回溯算法理论基础 77. 组合 216.组合总和III 17.电话号码的字母组合
Mwicogito的博客
08-23 1101
回溯法章节开始，逐渐开始正式复习算法设计课的知识。文章图片来源：代码随想录 (https://programmercarl.com/)
超分之最近邻插值、线性插值、双线性插值、双三次插值原理
最新发布
weixin_44342777的博客
08-25 528
超分用于对照实验，或生成低分辨率数据集的常用插值方式：最近邻插值、线性插值、双线性插值、双三次插值的实现原理
代码随想录day46 647. 回文子串 516.最长回文子序列
weixin_45461296的博客
08-22 364
【代码】代码随想录day46 647. 回文子串 516.最长回文子序列。
动态规划优化探析：四边形不等式、斜率优化与单调队列
本文主要探讨动态规划的优化技术，包括四边形不等式、斜率优化、单调队列优化以及状态压缩动态规划。 一、动态规划基础 1.1 动态规划定义 动态规划是一种通过分解问题并存储子问题的解来求解最优化问题的方法。它...
评论 44
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

闻缺陷则喜何志丹

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值