LeetCode 每日一题 2024/5/6-2024/5/12

记录了初步解题思路 以及本地实现代码;并不一定为最优 也希望大家能一起探讨 一起进步




5/6 741. 摘樱桃

从起点到终点 再返回起点
可以看做两个人同时从起点到终点走两条路所能拿到的樱桃总和
假设两人同时走了k步 那么坐标为(x1,k-x1) (x2,k-x2)
设dp[k][x1][x2]表示两人从此时到终点能够摘到的樱桃之和最大值
倒序去除掉k 并假设x1<=x2

def cherryPickup(grid):
    """
    :type grid: List[List[int]]
    :rtype: int
    """
    n = len(grid)
    dp = [[float('-inf')]*n for _ in range(n)]
    dp[0][0] = grid[0][0]
    for k in range(1,2*n-1):
        for x1 in range(min(k,n-1),max(k-n,-1),-1):
            for x2 in range(min(k,n-1),x1-1,-1):
                y1,y2=k-x1,k-x2
                if grid[x1][y1]==-1 or grid[x2][y2]==-1:
                    dp[x1][x2] = float('-inf')
                    continue
                v = dp[x1][x2]
                if x1>0:
                    v = max(v,dp[x1-1][x2])
                if x2>0:
                    v = max(v,dp[x1][x2-1])
                if x1>0 and x2>0:
                    v = max(v,dp[x1-1][x2-1])
                v += grid[x1][y1]
                if x1!=x2:
                    v += grid[x2][y2]
                dp[x1][x2] = v
    return max(dp[-1][-1],0)



5/7 1463. 摘樱桃 II

矩阵m*n
机器人每走一步必定下一行
所以两机器人每一步之后都在同一行
dp[k][y1][y2]表示在k行两个机器人分别在位置(k,y1) (k,y2)情况下能够得到的最大值
k=0为第一行 y1=0 y2=n-1
遍历每一行k=1~m-1
当前行增加grid[k][y1]+grid[k][y2]
如果在同一个位置y1=y2那么只加一次
y可以由上一行y-1,y,y+1三个位置走过来
考虑各个位置最大值dp[k][y1][y2]
最后找到dp[m-1][y1][y2]的最大值即可

def cherryPickup(grid):
    """
    :type grid: List[List[int]]
    :rtype: int
    """
    m,n=len(grid),len(grid[0])
    dp = [[[float("-inf")]*n for _ in range(n)] for _ in range(m)]
    dp[0][0][n-1]=grid[0][0]+grid[0][n-1]
    for k in range(1,m):
        for y1 in range(n):
            for y2 in range(y1,n):
                v = grid[k][y1]
                if y1!=y2:
                    v += grid[k][y2]
                pre = dp[k-1][y1][y2]
                if y1>0:
                    pre = max(pre,dp[k-1][y1-1][y2])
                    if y2>0:
                        pre = max(pre,dp[k-1][y1-1][y2-1])
                    if y2<n-1:
                        pre = max(pre,dp[k-1][y1-1][y2+1])
                if y1<n-1:
                    pre = max(pre,dp[k-1][y1+1][y2])
                    if y2>0:
                        pre = max(pre,dp[k-1][y1+1][y2-1])
                    if y2<n-1:
                        pre = max(pre,dp[k-1][y1+1][y2+1])
                if y2>0:
                    pre = max(pre,dp[k-1][y1][y2-1])
                if y2<n-1:
                    pre = max(pre,dp[k-1][y1][y2+1])
                dp[k][y1][y2] = pre+v
    ans = 0
    for i in range(n):
        ans = max(ans,max(dp[m-1][i]))
    return ans



5/8 2079. 给植物浇水

依次给植物浇水 如果水不够了当前位置为x
说明在x-1位置就需要重新灌水
2*x步重新灌水并回到x-1位置
一共n个植物每次一步需要n步

def wateringPlants(plants, capacity):
    """
    :type plants: List[int]
    :type capacity: int
    :rtype: int
    """
    n=len(plants)
    cur = capacity
    ans = n
    for i in range(n):
        print(i,cur)
        if plants[i]<=cur:
            cur -= plants[i]
        else:
            cur = capacity-plants[i]
            ans +=2*i
    return ans



5/9 2105. 给植物浇水 II

模拟两人浇水 一个从左 一个从右
直到两人相遇

def minimumRefill(plants, capacityA, capacityB):
    """
    :type plants: List[int]
    :type capacityA: int
    :type capacityB: int
    :rtype: int
    """
    n = len(plants)
    l,r = 0,n-1
    a,b = capacityA,capacityB
    ans = 0
    while l<=r:
        if l==r:
            if a>=b:
                if a<plants[l]:
                    ans+=1
            else:
                if b<plants[l]:
                    ans+=1
            break
        if a>=plants[l]:
            a-=plants[l]
        else:
            ans +=1
            a = capacityA-plants[l]
        if b>=plants[r]:
            b-=plants[r]
        else:
            ans+=1
            b = capacityB-plants[r]
        l+=1
        r-=1
    return ans



5/10 2960. 统计已测试设备

模拟 ans为测试次数

def countTestedDevices(batteryPercentages):
    """
    :type batteryPercentages: List[int]
    :rtype: int
    """
    ans=0
    for v in batteryPercentages:
        if v>ans:
            ans+=1
    return ans



5/11 2391. 收集垃圾的最少总时间

因为垃圾车只能有一辆可以工作
可以看做三种垃圾依次处理
cur记录三辆车当前位置

def garbageCollection(garbage, travel):
    """
    :type garbage: List[str]
    :type travel: List[int]
    :rtype: int
    """
    ans = 0
    cur={"G":0,"P":0,"M":0}
    for i,g in enumerate(garbage):
        for v in g:
            while cur[v]<i:
                ans += travel[cur[v]]
                cur[v]+=1
            ans+=1
    return ans



5/12 1553. 吃掉 N 个橘子的最少天数

三种情况 记忆化搜索

def minDays(n):
    """
    :type n: int
    :rtype: int
    """
    mem={}
    mem[0]=0
    mem[1]=1
    def func(num):
        if num in mem:
            return mem[num]
        v = min(func(num//2)+num%2,func(num//3)+num%3)+1
        mem[num]=v
        return v
    return func(n)



  • 4
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值