Leetcode刷题详解——删除并获得点数

1. 题目链接:740. 删除并获得点数

2. 题目描述:

给你一个整数数组 nums ,你可以对它进行一些操作。

每次操作中,选择任意一个 nums[i] ,删除它并获得 nums[i] 的点数。之后,你必须删除 所有 等于 nums[i] - 1 和 nums[i] + 1 的元素。

开始你拥有 0 个点数。返回你能通过这些操作获得的最大点数。

示例 1:

复制代码
输入:nums = [3,4,2]
输出:6
解释:
删除 4 获得 4 个点数,因此 3 也被删除。
之后,删除 2 获得 2 个点数。总共获得 6 个点数。

示例 2:

复制代码
输入:nums = [2,2,3,3,3,4]
输出:9
解释:
删除 3 获得 3 个点数,接着要删除两个 2 和 4 。
之后,再次删除 3 获得 3 个点数,再次删除 3 获得 3 个点数。
总共获得 9 个点数。

提示:

  • 1 <= nums.length <= 2 * 104
  • 1 <= nums[i] <= 104

3. 解法(动态规划):

3.1 算法思路:

  1. 定义一个常量N,表示数组的最大值加1。这里假设输入数组nums中的元素都是非负整数,并且小于等于N-1。
  2. 创建一个长度为N的整数数组arr,并初始化为0。这个数组用于存储每个元素出现的次数。
  3. 遍历输入数组nums,将每个元素的值累加到对应的arr数组位置上。这样可以统计每个元素出现的次数。
  4. 创建一个长度为N的整数向量f,用于存储动态规划的状态。这个向量f[i]表示在考虑前i个元素时可以获得的最大收益。
  5. 创建一个引用g,指向向量f,以便在后续计算中使用。
  6. 使用循环迭代计算状态转移方程。从i=1开始,依次计算fi和gi的值。
    • f[i] = g[i - 1] + arr[i]:表示在考虑前i个元素时,可以选择当前元素或者不选择当前元素。
    • g[i] = max(f[i - 1], g[i - 1]):表示在考虑前i个元素时,可以选择当前元素或者不选择当前元素。
  7. 返回最终结果,即最大收益。可以通过比较f[N - 1]和g[N - 1]的值来得到最大收益。

3.2 C++算法代码:

c++ 复制代码
class Solution {
public:
    int deleteAndEarn(vector<int>& nums) {
        const int N = 10001; // 定义一个常量N,表示数组的最大值加1
        int arr[N] = {0}; // 创建一个长度为N的整数数组arr,并初始化为0
        for (auto x : nums) arr[x] += x; // 遍历输入数组nums,将每个元素的值累加到对应的arr数组位置上
        vector<int> f(N); // 创建一个长度为N的整数向量f,用于存储动态规划的状态
        auto g = f; // 创建一个引用g,指向向量f,以便在后续计算中使用
        for (int i = 1; i < N; i++) {
            f[i] = g[i - 1] + arr[i]; // 更新状态转移方程,计算当前位置的最大收益
            g[i] = max(f[i - 1], g[i - 1]); // 更新状态转移方程,计算当前位置的最大收益(不选择当前元素)
        }
        return max(f[N - 1], g[N - 1]); // 返回最终结果,即最大收益
    }
};
相关推荐
ZhengEnCi5 小时前
Agent 架构怎么选:从单 Agent 到多 Agent 编排的选型决策指南
算法·架构
秋天的怀念_David5 小时前
第二十二夜 · 数字迷雾
java·程序人生·算法
Pniubi6 小时前
力扣283移动零(双指针法)
算法·leetcode·职场和发展
hhb_6186 小时前
大模型落地三重优化实战
人工智能·算法·机器学习
云和数据.ChenGuang6 小时前
光哥说Python RAG 系统需要哪些评估指标:从检索到生成的全链路评测指南
网络·人工智能·python·算法·langchain
2601_970703838 小时前
工业除湿机租赁:把一份租金合同拆开看
大数据·数据结构·算法·数据库架构·推荐算法
心中有你02148 小时前
Java实现Dijkstra最短路径算法(邻接表 + 优先队列)
java·数据库·算法
ZhengEnCi9 小时前
同样的模型,为什么本地和云 API 差别那么大:量化精度、聊天模板与采样参数的三大元凶
人工智能·算法·llm
Flynn Liang9 小时前
RAG 答非所问/幻觉怎么破?Spring AI QuestionAnswerAdvisor 召回优化实战(TopK/重排/混合检索)
人工智能·算法·spring·rag·幻觉·springai
liminla!9 小时前
SQL 从入门到进阶:语法速查与实战练习(完整优化版)
数据库·sql·算法