leetcode - 486. 预测赢家

给定一个表示分数的非负整数数组。 玩家1从数组任意一端拿取一个分数,随后玩家2继续从剩余数组任意一端拿取分数,然后玩家1拿,……。每次一个玩家只能拿取一个分数,分数被拿取之后不再可取。直到没有剩余分数可取时游戏结束。最终获得分数总和最多的玩家获胜。

给定一个表示分数的数组,预测玩家1是否会成为赢家。你可以假设每个玩家的玩法都会使他的分数最大化。

示例 1:

输入: [1, 5, 2]
输出: False
解释: 一开始,玩家1可以从12中进行选择。
如果他选择2(或者1),那么玩家2可以从1(或者2)和5中进行选择。如果玩家2选择了5,那么玩家1则只剩下1(或者2)可选。
所以,玩家1的最终分数为 1 + 2 = 3,而玩家25。
因此,玩家1永远不会成为赢家,返回 False。

示例 2:

输入: [1, 5, 233, 7]
输出: True
解释: 玩家1一开始选择1。然后玩家2必须从5和7中进行选择。无论玩家2选择了哪个,玩家1都可以选择233。
最终,玩家1(234分)比玩家2(12分)获得更多的分数,所以返回 True,表示玩家1可以成为赢家。

注意:

1.1 <= 给定的数组长度 <= 20.
2.数组里所有分数都为非负数且不会大于10000000。
3.如果最终两个玩家的分数相等,那么玩家1仍为赢家。

来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/predict-the-winner
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
————————
解题思路:

使用动态规划, d p [ i ] [ j ] dp[i][j] dp[i][j]表示从从数组中第i个位置一直到第j个位置先手玩家比后手玩家多的最大分数,我们的目标是求 d p [ 0 ] [ n ] dp[0][n] dp[0][n]中先手玩家比后手玩家多的最大分数是否大于0;

因为每次只能从两端进行选择。因此状态转移方程可以表示如下:

要求 d p [ i ] [ j ] dp[i][j] dp[i][j]中先手玩家比后手玩家多的最大分数,则先手玩家有两种选择;

第一种选择,选择 n u m s [ i ] nums[i] nums[i]的分数,这时候 d p [ i + 1 ] [ j ] dp[i+1][j] dp[i+1][j]表示后手玩家能够得到的最大分数,那么先手玩家比后手玩家多的最大分数可以表示为:

d p [ i ] [ j ] = n u m s [ i ] − d p [ i + 1 ] [ j ] dp[i][j] = nums[i] - dp[i+1][j] dp[i][j]=nums[i]dp[i+1][j]

第二种选择,选择 n u m s [ j ] nums[j] nums[j]的分数,这时候 d p [ i ] [ j − 1 ] dp[i][j-1] dp[i][j1]表示后手玩家能够得到的最大分数,那么先手玩家比后手玩家多的最大分数可以表示为:

d p [ i ] [ j ] = n u m s [ j ] − d p [ i ] [ j − 1 ] dp[i][j] = nums[j] - dp[i][j-1] dp[i][j]=nums[j]dp[i][j1]

因为要找到最大化的值,所以要比较两种情况下的 d p [ i ] [ j ] dp[i][j] dp[i][j],取两者中的最大值;

根据状态转移方程,可以得到其C++代码如下:

class Solution {
public:
    bool PredictTheWinner(vector<int>& nums) {
        int length = nums.size();
        vector<vector<int>> dp(length,vector<int>(length));  #创建二维数组用于存储状态值
        
        for(int i=0;i<length;i++)  #当分数只有一个时,dp[i][i]就是先手玩家比后手玩家多的最大值
            dp[i][i] = nums[i];
            
        for(int i=length-2;i>=0;i--)
        {
            for(int j=i+1;j<length;j++)
            {
                dp[i][j] = max(nums[i]-dp[i+1][j],nums[j]-dp[i][j-1]);   #状态转移方程的两种情况,取其最大值
            }
        }
        return dp[0][length-1]>=0;  #只有数值0的布尔值为False,其它数值的布尔值为True
    }
};
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法。 LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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