题目:
一个有名的按摩师会收到源源不断的预约请求,每个预约都可以选择接或不接。在每次预约服务之间要有休息时间,因此她不能接受相邻的预约。给定一个预约请求序列,替按摩师找到最优的预约集合(总预约时间最长),返回总的分钟数。
注意:本题相对原题稍作改动
示例 1:
输入: [1,2,3,1]
输出: 4
解释: 选择 1 号预约和 3 号预约,总时长 = 1 + 3 = 4。
示例 2:
输入: [2,7,9,3,1]
输出: 12
解释: 选择 1 号预约、 3 号预约和 5 号预约,总时长 = 2 + 9 + 1 = 12。
示例 3:
输入: [2,1,4,5,3,1,1,3]
输出: 12
解释: 选择 1 号预约、 3 号预约、 5 号预约和 8 号预约,总时长 = 2 + 4 + 3 + 3 = 12。
看到这种题目的一瞬间就想到了动态规划,并且列出了方程:
F(i) = MAX( F(i - 2) + nums[i], F(i - 1))
其实方法很简单,比如当到第三天时,第三天的情况有两种
1、第三天不搞。
2、第三天搞起来。
所以只需要将这两种情况的最大值进行比较,就能得出结果,以此类推,第四天也是一样。这是一个自底向上的过程。
但是最重要的是,我列完了式子,不知道怎么写代码???因为是重拾算法,所以很多东西都忘了,都不知道怎么命名变量名,居然没有想起dp。后面偷窥了一下大佬们的解题代码,发现思路是一样的,还好还好,但是吃了代码的亏。而且一些细节也没想到。比如len==1,或者2的时候不知道怎么处理,还有初始化最开始的dp。细节没想到,只是记得怎么处理后面的。吃了代码的亏啊!!!
- 后来我的解法:
class Solution {
public int massage(int[] nums) {
int len = nums.length;
if(len == 0){
return 0;
}
if(len == 1){
return nums[0];
}
if(len == 2){
return Math.max(nums[0], nums[1]);
}
//一维数组
int[] dp = new int[len + 1];
dp[1] = nums[0];
dp[2] = Math.max(nums[0], nums[1]);
for(int i = 3; i <= len; i++){
dp[i] = Math.max(dp[i-2]+nums[i-1], dp[i-1]);
}
return dp[len];
//二维数组
// int[][] dp = new int[len][2];
// dp[0][0] = 0;
// dp[0][1] = nums[0];
// for(int i = 1; i < len; i++){
// dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][1]);
// dp[i][1] = dp[i - 1][0] + nums[i];
// }
// return Math.max(dp[len - 1][0], dp[len - 1][1]);
}
}
时间复杂度:O(N),因为只遍历了一遍数组。
空间复杂度:O(N),数组长度N或者2N的空间。
大佬还有另外节省空间的方法!!
https://leetcode-cn.com/problems/the-masseuse-lcci/solution/dong-tai-gui-hua-by-liweiwei1419-8/
空间复杂度:O(1),二维的话只需要前一天的数据,因此可以复用空间,4个空间大小。一维的话,需要前两天的数据,因此是3个空间大小。
具体还请看上面链接🔗。真的很有用!!!
看完大佬的分析之后对动态规划了解更深入了,总结收获:
我们一般看完问题之后,解题思路一般都是从问题的整个出发来解决问题。比如这道题目,我们最开始想到的就是最后一天怎么办。但是动态规划不一样。这两种思路不同就犹如:一个是【自顶向下求解】,另一个是【自底向上求解】。
动态规划求解问题:其实看到的并不是直接从最终的情况下手,而是将问题恢复到最初的情况,一步一步求解下去,求解最优的子问题。最优子问题。
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/the-masseuse-lcci
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。