力扣、每日一练：删除并获得点数

一、题目：

给你一个整数数组 nums ，你可以对它进行一些操作。

每次操作中，选择任意一个 nums[i] ，删除它并获得 nums[i] 的点数。之后，你必须删除 所有 等于 nums[i] - 1 和 nums[i] + 1 的元素。

开始你拥有 0 个点数。返回你能通过这些操作获得的最大点数。

示例 1：

输入：nums = [3,4,2]
输出：6
解释：
删除 4 获得 4 个点数，因此 3 也被删除。
之后，删除 2 获得 2 个点数。总共获得 6 个点数。

示例 2：

输入：nums = [2,2,3,3,3,4]
输出：9
解释：
删除 3 获得 3 个点数，接着要删除两个 2 和 4 。
之后，再次删除 3 获得 3 个点数，再次删除 3 获得 3 个点数。
总共获得 9 个点数。

提示：

1 <= nums.length <= 2 * 104
1 <= nums[i] <= 104

二、这个题的解题思路：

这道题是一个动态规划的问题，可以使用Python语言来解决。
首先，我们可以创建一个数组dp，其中dp[i]表示选择前i个元素能够获得的最大点数。对于每个元素nums[i]，我们有两种选择：要么选择删除它并获得nums[i]个点数，要么选择不删除它。如果选择删除nums[i]，那么我们还需要删除所有等于nums[i]-1和nums[i]+1的元素，此时能获得的最大点数为dp[i-2]+nums[i]。如果选择不删除nums[i]，那么获得的最大点数为dp[i-1]。

我们可以得到状态转移方程：
dp[i] = max(dp[i-2]+nums[i], dp[i-1])

之后：
我们初始化dp数组的前两个元素dp[0]和dp[1]。在从第三个元素开始遍历nums数组，更新dp数组的每个元素。
最后：
dp数组的最后一个元素就是所求的结果。

三、考察的知识点：

动态规划是一种常见的算法思想，用于解决具有重叠子问题和最优子结构性质的问题。

在这道题中，我们需要选择操作数组元素来获得最大的点数。每次操作中，我们可以选择删除某个元素并获得相应的点数，但同时也需要删除所有等于该元素加减1的元素。我们的目标是通过选择操作，使得总点数最大化。

在这个问题中，我们定义一个dp数组，其中dp[i]表示选择前i个元素能够获得的最大点数。在之后我们遍历数组nums，并根据当前元素的选择情况更新dp数组的值。dp数组的最后一个元素就是所求的结果。

在实现过程中，我们还需要注意数组越界的问题，以及如何处理特殊情况，如数组长度为0或1的情况。

四、使用Python语言巧妙实现：

def deleteAndEarn(nums):
    n = len(nums)
    if n == 0:
        return 0
    if n == 1:
        return nums[0]

max_num = max(nums)
dp = [0] * (max_num + 1)

for num in nums:
    dp[num] += num

prev, curr = dp[0], max(dp[0], dp[1])
for i in range(2, max_num + 1):
    prev, curr = curr, max(prev + dp[i], curr)

return curr

五、总结一下收获

1. 动态规划思想的应用：这道题通过使用动态规划的思想，将原问题拆解成子问题，并通过状态转移方程推导出最优解。这让我对动态规划的应用有了更深入的理解。

2. 处理数组元素的技巧：在解决这道题时，我们需要根据当前元素的选择情况来更新dp数组的值。这让我学会了如何巧妙地处理数组元素，并利用它们来构建状态转移方程。

3. 灵活运用Python语言实现算法：通过编写这道题的解题代码，我巩固了使用Python语言实现算法的能力。Python的简洁和灵活性让我能够快速地实现并调试算法代码。