LeetCode——3180. 执行操作可获得的最大总奖励 I

本文链接：https://blog.csdn.net/zaishaoyi/article/details/143228841

. - 力扣（LeetCode）

题目

给你一个整数数组 rewardValues，长度为 n，代表奖励的值。

最初，你的总奖励 x 为 0，所有下标都是 未标记 的。你可以执行以下操作 任意次 ：

从区间 [0, n - 1] 中选择一个 未标记 的下标 i。
如果 rewardValues[i] 大于你当前的总奖励 x，则将 rewardValues[i] 加到 x 上（即 x = x + rewardValues[i]），并标记下标 i。

以整数形式返回执行最优操作能够获得的最大总奖励。

示例 1：

输入：rewardValues = [1,1,3,3]
输出：4
解释：依次标记下标 0 和 2，总奖励为 4，这是可获得的最大值。

示例 2：

输入：rewardValues = [1,6,4,3,2]
输出：11
解释：依次标记下标 0、2 和 1。总奖励为 11，这是可获得的最大值。

提示：

1 <= rewardValues.length <= 2000
1 <= rewardValues[i] <= 2000

解题方法

1. 暴力解法

思路：暴力解法就是每个位置的元素都有被标记和不被标记两种可能，列举所有可能的序列和，然后取最大值。

需要特别注意一点，之后执行标记的操作的每一次奖励的值rewardValues[i]都大于执行操作前的奖励之和x，因此可以知道rewardValues的标记顺序需要时单调递增的，需要预先对这个列表进行排序。

class Solution:
    def maxTotalReward(self, rewardValues: List[int]) -> int:
        x_list = [0]
        rewardValues.sort() # 注意此处必须按照从大到小排序，否则因为reward机制限制，无法列举出逆序标记的情况
        for i in rewardValues:
            length = len(x_list)
            for item in range(length):
                if x_list[item] < i:
                    x_list.append(x_list[item] + i)
        return max(x_list)

分析时间复杂度：

Python list是指针动态数组的形式存储的，排序的时间复杂度是 $O(nlogn)$ ，穷举所有序列的时间复杂度是 $O(2^n)$ ，因此总体时间复杂度是 $O(2^n)$

2. 动态规划

通常，指数级的穷举法对应的优化算法是动态规划。

如何定义动态规划的状态数组呢？

通过定义可知，对升序排列后的rewardValue, 最大的奖励 $max\_reward=2*rewardValue[-1] - 1$ ，因此，可以定义奖励状态数组为：

$dp[max\_reward]$ ,

其中每个元素 $dp[k]\in [0, 1]$ ,

如果可以取得奖励值k, 则 $dp[k]=1$ ，否则 $dp[k]=0$

状态是如何转移的呢？

以当前选中元素值 $i$ 为例，则当前可获得的奖励范围是 $r_i \in [i, 2*i - 1]$ 。根据 $i$ 之前的奖励状态，确定 $[i, 2*i-1]$ 的奖励状态。状态转移方程为：

$dp[j] = dp[j-i] \qquad for\ j\ in [i, 2*i-1]$

class Solution:
    def maxTotalReward(self, rewardValues: List[int]) -> int:
        x_list = [0]
        rewardValues.sort()
        # 初始化状态数组
        dp = [0] * (2 * rewardValues[-1])
        dp[0] = 1
        for i in rewardValues:
            for j in range(2 * i - 1, i - 1, -1):
                if dp[j - i] == 1:
                    dp[j] = 1
        for i in range(len(dp) - 1, -1, -1):
            if dp[i] == 1:
                return i