LeetCode - 486. Predict the Winner(排成一条线的纸牌博弈问题)

33 篇文章 0 订阅

LeetCode - 486. Predict the Winner(排成一条线的纸牌博弈问题)

  • 递归解法
  • 动态规划解法

题目链接
题目


递归解法

  • 定义递归函数f[i,j],表示的是如果arr[i...j]这个排列上的纸牌被绝顶聪明的人先拿,最终可以获得什么分数。
  • 定义递归函数s[i,j],表示的是如果arr[i...j]这个排列上的纸牌被绝顶聪明的人后拿,最终可以获得什么分数。

首先对于f[i,j]:

  • 如果i == j,即arr[i...j]上只有一张纸牌,当然会被先拿纸牌的人拿走,所以可以返回arr[i];
  • 如果i != j,此时先拿的人有两种选择。如果拿走arr[i],那么会剩下arr[i+1,j],这个时候,对于当前的玩家来说,他就成了后拿的人,所以他之后能获得的分数为s(i+1,j); 如果他拿走的是arr[j],那么会剩下arr[i...j-1],对于当前的玩家来说,它成了后拿的人,之后能获得的分数为s(i,j-1),因为当前的玩家会做出最好的选择,所以是max(arr[i]+s[i+1,j], arr[j]+s[i,j-1]);

然后来考虑s[i,j] :

  • 如果i == j,即arr[i...j]上只有一张纸牌,作为后拿的人必然什么也得不到,所以返回0
  • 如果i != j,根据s函数的定义,当前的玩家的对手会先拿纸牌,如果对手拿走了arr[i...j]中的arr[i],剩下arr[i+1,j],然后轮到当前玩家拿。如果对手拿走了arr[i...j]中的arr[j],剩下arr[i,j-1],然后轮到当前玩家拿。因为对手会拿走最好的,所以当前玩家只能拿最差的,所以是min(f[i+1,j],f[i,j-1])

所以可以写出如下的代码

class Solution {

    public boolean PredictTheWinner(int[] arr) {
        if (arr == null || arr.length == 0)
            return true;
        return f(arr, 0, arr.length - 1) >= s(arr, 0, arr.length - 1);
    }

    public int f(int[] arr, int i, int j) { //先拿的
        if (i == j)
            return arr[i];
        return Math.max(arr[i] + s(arr, i + 1, j), arr[j] + s(arr, i, j - 1)); //拿了其中一个之后,当前玩家成了后拿的那个人
    }

    public int s(int[] arr, int i, int j) { //后拿的
        if (i == j) //后拿的这个 已经不能拿了
            return 0;
        return Math.min(f(arr, i + 1, j), f(arr, i, j - 1));
    }
}

动态规划解法

上面的方法的时间复杂度达到O(2^n)次方,我们可以根据上面的方法来改出动态规划。

  • 先生成两张二维dp表,f表和s表,我们发现,根据上面的方法,f表中的主对角线上的值就是arr[i]的值(即f[i][i] = arr[i]);
  • 同理s表中的主对角线上的值为0
  • 然后我们可以得到f表中的某个位置f[i,j]依赖的是s表中的位置s[i+1,j]s[i,j-1](即下面的位置和左边的位置);
  • s表中同理依赖f表中f[i+1][j]f[i,j-1]的位置;

具体过程看下图
这里写图片描述

最后我们要求的就是f[0][len]s[0][len]这两个值,如果f[0][len]更大的话,第一个玩家就能赢;

可以写出如下代码

class Solution {

    public boolean PredictTheWinner(int[] nums) {
        if (nums == null || nums.length == 0 || nums.length == 1)
            return true;
        int len = nums.length - 1;
        int[][] f = new int[len + 1][len + 1];
        int[][] s = new int[len + 1][len + 1];
        for (int i = 0; i <= len; i++) {//对角线上填充(就是递归中的边界条件)
            f[i][i] = nums[i];
//            s[i][i] = 0;  // 数组自动初始化
        }
        for (int i = len - 1; i >= 0; i--) {
            for (int j = i + 1; j <= len; j++) {
                f[i][j] = Math.max(nums[i] + s[i + 1][j], nums[j] + s[i][j - 1]); //注意这里是arr[j]+是s[i][j-1]
                s[i][j] = Math.min(f[i + 1][j], f[i][j - 1]);
            }
        }
        return f[0][len] >= s[0][len];
    }
}
### 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。
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