博客
关于我
LeetCode 486. 预测赢家(dp)
阅读量:226 次
发布时间:2019-03-01

本文共 903 字,大约阅读时间需要 3 分钟。

题意

给定一个表示分数的非负整数数组,玩家1和玩家2将按照规则轮流从数组两端拿取分数。玩家1先手,随后玩家2从剩余的另一端拿取,依此类推,直到分数全部拿完。最终,总分数较高的玩家获胜。如果两人的总分数相等,玩家1仍为赢家。

解法

这个问题可以通过动态规划来解决。我们定义d[i][j]为从数组的第i个元素到第j个元素这段区间中,当前先手玩家能够获得的最大分数。递归关系式如下:

d[i][j] = max(a[i] - d[i+1][j], a[j] - d[i][j-1])

其中,a[i]表示当前玩家从左端拿取的分数,而a[j]表示从右端拿取的分数。玩家会选择使自己总分数最大的选项,即max(a[i] - d[i+1][j], a[j] - d[i][j-1])。

代码

class Solution {private:    int d[22][22];    int a[22];    int dp(int l, int r) {        if (l == r) {            return a[l];        }        if (d[l][r] != -1) {            return d[l][r];        }        return d[l][r] = std::max(a[l] - dp(l + 1, r), a[r] - dp(l, r - 1));    }    bool PredictTheWinner(std::vector
aa) { int n = aa.size(); for (int i = 0; i < n; ++i) { a[i+1] = aa[i]; } dp(1, n); return d[1][n] >= 0; }};

这个代码定义了一个动态规划数组d[l][r],用于存储从位置l到r的最大分数差值。通过递归调用,计算出每个子区间的最优策略,最终判断玩家1是否能成为赢家。

转载地址:http://mwuv.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
查看>>
OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>
OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
查看>>
OpenCV与AI深度学习 | 深入浅出了解OCR识别票据原理
查看>>
OpenCV与AI深度学习 | 深度学习检测小目标常用方法
查看>>
OpenCV与AI深度学习 | 超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
查看>>
OpenCV与AI深度学习 | 高效开源的OCR工具:Surya-OCR介绍与使用
查看>>
OpenCV与AI深度学习|16个含源码和数据集的计算机视觉实战项目(建议收藏!)
查看>>
Opencv中KNN背景分割器
查看>>
OpenCV中基于已知相机方向的透视变形
查看>>
OpenCV中的监督学习
查看>>
opencv中读写视频
查看>>