力扣 — — 2555. 两个线段获得的最多奖品
一、题目描述
题目大意:给定一个数组prizePositions
,数组中的值表示的是奖品的位置,每一个位置可以有多个奖品,并且设定一个线段的长度
K
K
K,要求从所有奖品位置中选择两个长度为
K
K
K 的连续位置线段,并且要求这两个线段中的奖品位置上的奖品数量之和是最大的。(假设:数组prizePositions
是一个非递减的序列)
二、问题分析
通过分析问题,由贪心的思想可以想到,不重叠的两个线段一定会比重叠的两个线段包含的奖品数量多,由此可以使用滑动窗口和动态规划算法进行求解,具体求解为如下:
- 将数组分割为两个部分,从前往后遍历每一个分割的位置。
- 对于每一个位置,都可以将原数组分割为两个部分,由此,我们可以求得前一个部分的最大值和后一个位置的最大值,将这两个位置的最大值进行相加即可得到最后的一个整体的大值。
- 对于上述方法,我们可以使用动态规划的方法进行求解,分为从前向后遍历以及从后向前遍历,在每一次遍历的过程中,求每一个位置滑动窗口的最大值,这里可以使用两个数组分别进行记录。
- 最后遍历每一个分割的位置(即:利用两个动态数组进行求解),将前一个部分的最大值与后一个位置的最大值进行相加,寻求一个全局的最大值,该最大值即为最终要求的最大值。
三、代码实现
详细代码
int myUnite(vector<int>& prizePositions, int k){
int n = prizePositions.size();
// 设定两个数组,分别存储从前向后遍历的动态最大值和从后向前的动态最大值。
vector<int> perArray(n + 1), backArray(n + 1);
// 将数组分割为两个部分, 求前一个部分
for(int i = 0, j = 0; j < n; j ++){
// 用于控制窗口的大小,避免窗口大于给定的值。
while((prizePositions[j] - prizePositions[i]) > k) {
i ++;
}
// 对于每一个位置,都进行动态决策
perArray[j + 1] = max(perArray[j], j - i + 1);
}
// 先对数组进行反转
reverse(prizePositions.begin(), prizePositions.end());
// 将数组分割为两个部分,求后一个部分
for(int i = 0, j = 0; j < n; j ++){
// 控制窗口大小, 进行反转之后,后一个值小于前一个值,所以使用前一个值减去后一个值。
while((prizePositions[i] - prizePositions[j]) > k){
i ++;
}
// 对每一个位置进行决策
backArray[j + 1] = max(backArray[j], j - i + 1);
}
// 遍历每一个分割位置,求得全局的最优值
int ans = 0;
for(int i = 0; i <= n;i ++){
ans = max(ans, perArray[i] + backArray[n - i]);
}
return ans;
}
简化之后的代码:
class Solution {
public:
int maximizeWin(vector<int>& prizePositions, int k){
int n = prizePositions.size();
// 使用匿名函数
auto calc = [&] (vector<int>& prefix, int reverseFlag){
// 遍历每一个位置寻找固定内的窗口的最大值
for(int i = 0, j = 0; j < n; j++){
// 控制窗口大小
while(reverseFlag * (prizePositions[j] - prizePositions[i]) > k) {
i++;
}
// 通过动态规划的思想,求当到当前位置为止,累计求得的最大值。
prefix[j + 1] = max(prefix[j], j - i + 1);
}
};
// 分别从前向后动态求值,在从后向前动态求值。
vector<int> prefix(n + 1), backfix(n + 1);
calc(prefix, 1);
reverse(prizePositions.begin(), prizePositions.end());
calc(backfix, -1);
int ans = 0;
for(int i = 0; i <= n;i ++){
ans = max(ans, prefix[i] + backfix[n - i]);
}
return ans;
}
};