题目链接如下1696. 跳跃游戏 VI;
根据题目大意,可以理解成,某个位置的最优解是前面k个位置中最大的最优解加上当前位置的值。所以可以当成是一个dp,得到状态转移方程:
dp[i]= max{dp[i-1]+nums[i] , dp[i-2]+nums[i] , ... , dp[i-k]+nums[i] }
然后代码如下:
class Solution {
public:
int maxResult(vector<int>& nums, int k) {
vector<int> dp(nums.size(),0);
dp[0]=nums[0];
for(int i=1;i<nums.size();i++){
for(int j=1;j<=k;j++){
if(i-j>=0)
if(j==1)dp[i]=dp[i-j]+nums[i]; //当前最优值可能有负数,防止初始化的0比当前值大
else dp[i]=max(dp[i],dp[i-j]+nums[i]);
}
}
return dp[nums.size()-1];
}
};
最后发现测试样例可以过,提交后TLE了,可以简单的理解为,该方法的时间复杂度为O(nk),在大数据量的情况下就超时了,然后研究了一下题解,发现了是用了DP+优先队列的思路,在此记录一下学习历程:
class Solution {
public:
int maxResult(vector<int>& nums, int k) {
int n = nums.size();
deque<pair<int, int>> q; //储存当前位置最优值和当前位置下标
q.emplace_back(nums[0], 0);
int ans = nums[0];
for (int i = 1; i < n; ++i) {
while (i - q.front().second > k) {
q.pop_front(); //容器顶端的值不满足区间条件时,将其移除
}
ans = q.front().first + nums[i]; //当前最优解更新为容器顶端值加上当前值
while (!q.empty() && ans >= q.back().first) { //容器非空,且当前值比容器底部的值大的话
q.pop_back(); //移除容器底部
}
q.emplace_back(ans, i); //将当前最优解和当前坐标插入底部
}
return ans;
}
};
思路是创造一个严格单调递减的容器q(最优解单调递减),由此可知,容器顶端的值且满足条件的即为当前的最优解,而更新到的最优值,从下自上找到自己的合适位置插入,并丢弃小于当前值的所有值。
理解一下就是,我如果选择当前位置,一定是要从之前最优的一个位置过来,所以仅考虑最优解就行,而代码逻辑里的丢弃操作,我的理解就是属于剪枝了。