力扣1690——石子游戏 VII（博弈，动态规划）

题目描述（中等）

石子游戏中，爱丽丝和鲍勃轮流进行自己的回合，爱丽丝先开始 。

有 n 块石子排成一排。每个玩家的回合中，可以从行中 移除 最左边的石头或最右边的石头，并获得与该行中剩余石头值之 和 相等的得分。当没有石头可移除时，得分较高者获胜。

鲍勃发现他总是输掉游戏（可怜的鲍勃，他总是输），所以他决定尽力 减小得分的差值 。爱丽丝的目标是最大限度地 扩大得分的差值 。

给你一个整数数组 stones ，其中 stones[i] 表示 从左边开始 的第 i 个石头的值，如果爱丽丝和鲍勃都 发挥出最佳水平 ，请返回他们 得分的差值 。

示例 1：
输入：stones = [5,3,1,4,2]
输出：6
解释：

• 爱丽丝移除 2 ，得分 5 + 3 + 1 + 4 = 13 。游戏情况：爱丽丝 = 13 ，鲍勃 = 0 ，石子 = [5,3,1,4] 。
• 鲍勃移除 5 ，得分 3 + 1 + 4 = 8 。游戏情况：爱丽丝 = 13 ，鲍勃 = 8 ，石子 = [3,1,4] 。
• 爱丽丝移除 3 ，得分 1 + 4 = 5 。游戏情况：爱丽丝 = 18 ，鲍勃 = 8 ，石子 = [1,4] 。
• 鲍勃移除 1 ，得分 4 。游戏情况：爱丽丝 = 18 ，鲍勃 = 12 ，石子 = [4] 。
• 爱丽丝移除 4 ，得分 0 。游戏情况：爱丽丝 = 18 ，鲍勃 = 12 ，石子 = [] 。
  得分的差值 18 - 12 = 6 。

示例 2：
输入：stones = [7,90,5,1,100,10,10,2]
输出：122

提示：

n == stones.length
2 <= n <= 1000
1 <= stones[i] <= 1000

思路

首先想到贪心，但手写样例是过不去的，因为贪心只考虑到局部，对于此题局部最优不等于全局最优
所以需要动态规划来获得全局最优解
对于题目的理解，虽然A想扩大分查，B想缩小分差，但两人的目的其实是一样的，都想自己得分尽可能大
只不过这个游戏先手必赢，因为每次后手的得分都会少一部分
跳出AB两人，只考虑得分最大化
举个简单例子
a,b两堆，如果先手，要选取ab中小的，这样得分为ab中大的，而下一步后手着得分为0，这样分差最大，为max(a,b);
a,b,c三堆，当前先手可选a或c，后手者最佳选择转化为上一例子的ab两个或bc两个
对于选a，先手得分为b+c，后手者得分为bc最优解，分差为 b+c - 此情形后手者最优解
对于选c，先手得分为a+b，后手得分为ab最优解，分差为 a+b - 此情形后手最优解
如要分差最大，那么在a、c两选择中取最大分差即可，（这里将后手最优解作为已知，因为双方都是理性人）
对比上述两个分差，取最大值，那就是abc情况下的最优解
逐渐发现了递推关系，对于左右两个选择，要选择 （对应得分-对应后手最优解） 中最大值，即是此情形最优解
那么可以试着写状态转移方程了
用dp[i][j]表示i到j的最优解，起始都是0，dp[0][n-1]即为全局最优解，也就是答案
dp[i][j] = max( 选左得分(i-1到j之和) - 对应后手最优解d[i+1][j] , 选右得分(i到j-1之和) - 对应后手最优解d[i][j-1] )

稍微优化一下，求部分区间和，可以空间换时间，sum存0~i 之和,i~j之和即为sum[j] - sum[i] + stones[i]
这样转移方程写为
dp[i][j] = max(sum[j]-sum[i+1]+stones[i+1]-dp[i+1][j] , sum[j-1]-sum[i]+stones[i]-dp[i][j-1])

注意dp更新顺序，由于dp[i][j]需要用到dp[i+1][j]和dp[i][j-1]，根据动态规划原则，旧的不会因为新的加入而改变，因此i从大到小循环，j从小到大循环

代码

class Solution {
public:
    int stoneGameVII(vector<int>& stones) {
        int n = stones.size();
        vector<vector<int>> dp(n,vector<int>(n,0));
        vector<int> sum(n,0);
        sum[0] = stones[0];
        for(int i = 1; i < n; i++) {
            sum[i] = sum[i-1] + stones[i];
        }
        for(int i = n-2; i >= 0; i--) {
            for(int j = i+1; j < n; j++) {
                dp[i][j] = max(sum[j]-sum[i+1]+stones[i+1]-dp[i+1][j] , sum[j-1]-sum[i]+stones[i]-dp[i][j-1]);
            }
        }    
        return dp[0][n-1];
    }
};