扎气球最高分-第13届蓝桥杯选拔赛Python真题精选

[导读]:超平老师的Scratch蓝桥杯真题解读系列在推出之后,受到了广大老师和家长的好评,非常感谢各位的认可和厚爱。作为回馈,超平老师计划推出《Python**蓝桥杯真题解析100讲》,**这是解读系列的第74讲。

**扎气球最高分,**本题是2021年11月27日举办的第13届蓝桥杯青少组Python编程选拔赛真题编程部分第5题。题目要求对于给定的n个排成一排的气球,将所有气球扎破能够得到的最高分数。

先来看看题目的要求吧。

一.题目说明

编程实现:

小明去游乐场玩飞镖扎气球的游戏,一共有n个气球,依次排成一行,每个气球上有一个数字,表示这个气球的分值。

游戏计分规则:

1、戳破1个气球,将获得其本身及左右相邻气球,共三个分值相乘的分数;

2、如果戳破的气球左边或右边没有气球,则获得其本身及相邻气球,共两个分值相乘的分数;如果被戳破的气球左边和右边都没有气球(是最后一个被戳破的气球),则这个气球本身的分值作为分数;

3、已经被戳破的气球不再计算。

飞镖数量不限,可以任意选择顺序戳破气球,根据计分规则,争取使得游戏最后得分最高。

例如:一共有3个气球,分值分别为2,4,6。

若想获得最高得分:

1). 先戳破4,得分为2 x 4 x 6 = 48;

2). 再戳破2,得分为2 x 6 = 12,累计得分60;

3). 再戳破6,得分为6,累计得分66;

最后总得分为66,为最高得分。

输入描述:

输入n个正整数,表示气球的分值,且正整数之间以一个英文逗号隔开

输出描述:

输出正整数,表示戳破所有气球后获得的最高得分

样例输入:

2,4,6

样例输出:

66

二.思路分析

这是一道动态规划算法题,涉及的知识点包括循环、列表和动态规划等。

这是一个求最值问题,对于最值问题,常见的实现方案有枚举算法、贪心算法、递归算法、回溯算法和动态规划等。

那么你知道本题属于哪种类型呢?

实际上,这是典型的区间DP问题,区间DP问题通常涉及一个列表或数组,需要对其某些子区间进行操作,并通过这些操作的结果来求解整个列表或数组的某些性质或最优值。

区间DP的基本思想是通过定义二维的DP状态数组dp[i][j],表示从序列的第i个元素到第j个元素(即区间[i, j]的最优解,例如最小/最大的某个值)。然后,通过考虑如何将大区间分解成较小的区间,并利用这些较小区间的最优解来构造大区间的最优解,来进行状态转移。

对于动态规划问题,核心点有如下4个:

  • 定义dp数组

  • 初始状态

  • 状态转移方程

  • 遍历顺序

接下来,我们逐一分析这4个核心要素。

1. 定义dp数组

由于这是一个区间DP问题,因此dp数组是一个二维列表,即dp[i][j],表示扎破从i到j之间所有的气球的最高得分。

此时,有一个问题需要明确,这里的i和j是否也包含呢?

我们看一组实际的数据,假设有4个气球,分值为3, 2, 4, 6,如图:

在计算最高分的时候,还需要考虑气球是否处于最左边和最右边,代码比较繁琐。

可以考虑在左右两边增加两个虚拟气球,其分值为1,如图:

如此一来,所有的黄色气球都处于中间位置,再也不需要考虑边界问题了。

当然,这也让我们进一步明确了dp[i][j]的含义,它表示的是扎破i到j之间所有气球的最高得分。

对于上面的4个气球来说,最后的结果是dp[0][5],表示从0~5之间所有的气球,不包括0和5本身,因为这两个气球是虚拟的,根本不存在。

可以绘制表格如下:

最右上角的单元格dp[0][5]就是最终要计算的结果,实际上,所谓的动态规划,其实就是一个填表的过程。

2. 初始状态

所谓初始状态就是最简单的情况,对于戳气球问题而言,最简单的情况就是没有气球,此时得分为0。

对应到dp[i][j]数组,就是当j - i <= 1,即i和j两者之间没有气球可扎了,当然也就没有分数了。

对应的dp表格如下:

这里将处在对角线偏右上的单元格设置为0,即:

dp[0][1] = dp[1][2] = dp[2][3] = dp[3][4] = dp[4][5]= 0

对于dp表格,我们要计算的是右上方的单元格,左下方的单元格可以忽略不计。

3. 状态转移方程

对于动态规划问题,状态转移方程是重点,也是难点,这里的状态转移方程又该如何确定呢?

还是以上面的数据为例,我们只需要分析最后戳破哪个气球的过程,4只气球可以分四种情况来考虑。

1). 最后戳第一只气球

最后戳破的气球分值为3,如图所示:

这相当于把dp[0][5]拆分成两个子区间,分别是dp[0][1]和dp[1][5],戳破当前气球的得分为1 * 3 * 1,所以:

dp[0][5]= dp[0][1] + dp[1][5] + 3

2). 最后戳第二只气球

最后戳破的气球分值为2,如图所示:

这相当于把dp[0][5]拆分成两个子区间,分别是dp[0][2]和dp[2][5],戳破当前气球的得分为1 * 2 * 1,所以:

dp[0][5]= dp[0][2] + dp[2][5] + 2

3). 最后戳第三只气球

最后戳破的气球分值为4,如图所示:

这相当于把dp[0][5]拆分成两个子区间,分别是dp[0][3]和dp[3][5],戳破当前气球的得分为1 * 4 * 1,所以:

dp[0][5]= dp[0][3] + dp[3][5] + 4

4). 最后戳第四只气球

最后戳破的气球分值为6,如图所示:

这相当于把dp[0][5]拆分成两个子区间,分别是dp[0][4]和dp[4][5],戳破当前气球的得分为1 * 6 * 1,所以:

dp[0][5]= dp[0][4] + dp[4][5] + 6

到底哪一种情况得分最高呢,其实就是取最大值的问题了。

你看到这其中的规律了吗?

实际上就是在i和j之间找分割点k,将dp[i][j]拆分成两个子区间dp[i][k]和dp[k][j],如图所示:

对于每个分割点来说,左边区间的最大分值是dp[i][k],右边区间的最大分值是dp[k][j],加上本次戳破气球的分数p[i] * p[k] * p[j],这里的列表p保存的是每个气球的分值,包括左右两端的虚拟气球。

因此,状态转移方程如下:

dp[i][j] = max(  dp[i][j],   dp[i][k] + dp[k][j] + p[i] * p[j] * p[k])

这意味着,我们需要使用循环枚举i到j之间的每个分割点k,计算其最大分值,然后将最大值作为dp[i][j]的结果。

4. 遍历顺序

对于二维列表dp[i][j]来说,常见的遍历顺序是从上到下,从左到右。但是对于区间DP来说,不能采取这种遍历顺序。

我们还是看图说话吧,以计算dp[2][5]为例,它的分割点k有两个。

当k = 3时,计算如下:

dp[2][5] = dp[2][3] + dp[3][5] + p[2]* p[3] * p[5]

对应的DP表格如图:

当k= 4时,计算如下:

dp[2][5] = dp[2][4] + dp[4][5] + p[2]* p[4] * p[5]

对应的DP表格如图:

相信你已经发现了,在计算dp[2][5]的时候,它可以通过dp[2][3] + dp[3][5]计算出来,也可以通过dp[2][4] + dp[4][5]计算出来。

很显然,dp[2][3]、dp[3][5]、dp[2][4]、dp[4][5]这些单元格都在dp[2][5]的左方和下方,这就意味着不能使用传统的从上到下、从左到右。

针对这种情况,我们可以有两种遍历方式,一是斜线遍历,如图:

二是从下到上,从左到右,如图:

相对来说,使用第二种遍历方式更为简单一些。

思路有了,接下来,我们就进入具体的编程实现环节。

三.编程实现

根据上面的思路分析,我们编写程序如下:

代码不多,说明4点:

1). pts表示输入的气球分值,左右各增加了一个分值为1的气球,这里直接使用列表相加的运算,非常方便;

2). 二维dp列表行和列都是n + 2,初始值为0,这里使用了列表推导式;

3). i表示行,从下到上,初始值是n -1,终点是0,j表示列,自左至右,初始值是i + 1,终点是n + 1;

4). k表示分割点,起始值是k+1,终点是j - 1。

至此,整个程序就全部完成了,你可以输入不同的数据来测试效果啦。

四.总结与思考

本题代码在10行左右,涉及到的知识点包括:

  • 循环语句,尤其是嵌套循环;

  • 列表的操作;

  • 动态规划算法;

作为本次测评的最后一题,代码虽然不多,但是难度较大。关键点有两个,一是理解区间DP的算法思想,二是彻底弄清填充DP表格的方法和过程。

估计你已经发现了,最终的代码并不多,难的是过程分析,动态规划说难也难,说简单也简单。

动态规划说白了,就是根据题目意思定义一个表格,可能是一维的,也可能是二维的,然后找到规律,也就是状态转移方程,不断地计算并填充每一个单元格。

因此,在学习动态规划算法的时候,一定要亲自动手绘制并填充表格,这个过程会有些繁琐,但是效果非常好,写代码反倒是最简单的事情了。

超平老师给你留两道思考题:

1). 如何使用递归算法,计算最大分值?

2). 如果使用斜线遍历的顺序,代码又该怎么写呢?

你还有什么好的想法和创意吗,也非常欢迎和超平老师分享探讨。

如果你觉得文章对你有帮助,别忘了点赞和转发,予人玫瑰,手有余香😄

需要源码的,可以移步至"超平的编程课"gzh。

相关推荐
yannan201903139 分钟前
【算法】(Python)动态规划
python·算法·动态规划
蒙娜丽宁19 分钟前
《Python OpenCV从菜鸟到高手》——零基础进阶,开启图像处理与计算机视觉的大门!
python·opencv·计算机视觉
光芒再现dev20 分钟前
已解决,部署GPTSoVITS报错‘AsyncRequest‘ object has no attribute ‘_json_response_data‘
运维·python·gpt·语言模型·自然语言处理
好喜欢吃红柚子34 分钟前
万字长文解读空间、通道注意力机制机制和超详细代码逐行分析(SE,CBAM,SGE,CA,ECA,TA)
人工智能·pytorch·python·计算机视觉·cnn
小馒头学python39 分钟前
机器学习是什么?AIGC又是什么?机器学习与AIGC未来科技的双引擎
人工智能·python·机器学习
神奇夜光杯1 小时前
Python酷库之旅-第三方库Pandas(202)
开发语言·人工智能·python·excel·pandas·标准库及第三方库·学习与成长
千天夜1 小时前
使用UDP协议传输视频流!(分片、缓存)
python·网络协议·udp·视频流
测试界的酸菜鱼1 小时前
Python 大数据展示屏实例
大数据·开发语言·python
羊小猪~~1 小时前
神经网络基础--什么是正向传播??什么是方向传播??
人工智能·pytorch·python·深度学习·神经网络·算法·机器学习
放飞自我的Coder2 小时前
【python ROUGE BLEU jiaba.cut NLP常用的指标计算】
python·自然语言处理·bleu·rouge·jieba分词