跑步最高分算法(动态规划)-“奋斗杯”编程大赛题目
周末去参加了个“奋斗杯”上海市青年计算机程序设计大赛,水了个二等奖。这是其中一道题,因为时间不够没做出来,思路都对,差了一点就完成了。动态规划一直是我的弱项,趁此机会,把它记录下来。
0、题目
A同学参加一个跑步比赛,路径分为n段,每段有不同的分值。如果该段走路不得分;该段慢跑则得相应的分数;该段快跑则得对应分数的两倍,但下一段必须走路。求A同学跑完全程可以获得的最高分。
如总共有4段路, 对应的分值为 [1, 2, 3, 4] ,则最高分的跑法是,前三段慢跑,最后一段快跑,即 1+2+3+4*2 = 14 。
输入对应路段分值的数组,输出获得的最高分。
- Golang
- Java
1、思考
状态转移,经典的动态规划算法。
1.1 数组定义
定义二维数组 dp[i][j] ,
- 值为当前状态下可以获得的最高分;
- i 为路段的索引;
- j 为本段跑步状态,当 j=0 为走路,j=1 为慢跑,j=2 为快跑。
1.2 初始化
dp[0][0] = 0
dp[0][1] = points[0]
dp[0][2] = points[0] * 2
1.3 状态转移
- 本段选择走路,则上一段可以是走路、慢跑、快跑,所以可得 dp[i][0] = max(dp[i-1][0], dp[i-1][1], dp[i-1][2])
- 本段选择慢跑,则上一段可以是走路、慢跑,所以 dp[i][1] = max(dp[i-1][0], dp[i-1][1]) + 当前段得分
- 本段选择快跑,则上一段可以是走路、慢跑,所以 dp[i][2] = max(dp[i-1][0], dp[i-1][1]) + 当前段得分的两倍
最终只需要找出dp[n-1]里最大的值就行。
1.4 空间复杂度优化
dp写完发现,最终结果只和上一次的结果有关,之前计算出的值就没必要储存了。基于此,只需要定义3个变量记录前一段三种状态所能获得的最高分即可。空间复杂度可以从O(n)优化到O(1)。
定义prevWalk, prevSlowRun, prevFastRun分别为上一段走路、慢跑、快跑获得的总共最高分。
接下来就和上面一样状态转移就行
2 代码实现
2.1 go语言实现
//go语言实现
func run(points []int) int {
length := len(points)
if length == 0 {
return 0
}
//dp[i][j]值为当前路段当前状态获得的最大总分数,i为路段的索引,j为本段状态,其中0为本段走路,1为本段慢跑,2为本段快跑
dp := make([][3]int, length)
dp[0][0] = 0
dp[0][1] = points[0]
dp[0][2] = points[0] * 2
for i := 1; i < length; i++ {
dp[i][0] = max(max(dp[i-1][0], dp[i-1][1])