Leetcode 3562. Maximum Profit from Trading Stocks with Discounts

  • [Leetcode 3562. Maximum Profit from Trading Stocks with Discounts](#Leetcode 3562. Maximum Profit from Trading Stocks with Discounts)
    • [1. 解题思路](#1. 解题思路)
    • [2. 代码实现](#2. 代码实现)

1. 解题思路

这一题没有搞定,思路上整体走偏了,看了一下别人的解答,结合deepseek的回答看了半天,终于是搞明白了里面的道道,也是醉了......

这一题我自己的思路就是一个遍历,分别考察每一个用户买与不买的情况下budget的变化以及对其下属员工price的变动,但是遇到了超时的问题。

然后deepseek给到的解答是视为一个背包问题,即不是考察每个员工买不不买的情况,而是考察给每一个员工及其下属员工分配多少的预算,然后看其最大能获得多大的利润。即,给到的最终的动态规划的数组为dp[uid][status][budget],其中,uid表示用户id;status表示其父节点的购买状态,即直属上司是否有购买行为;budget表示给该用户及其下属所有员工分配的budget;然后dp[uid][status][budget]整体表示当uid用户的直属上司的购买状态为status时,给他及其下属所有员工分配budget预算时,能够获得的最大的profit。

由此一来,我们就可以使用动态规划进行处理了。

2. 代码实现

给出python代码实现如下:

python 复制代码
class Solution:
    def maxProfit(self, n: int, present: List[int], future: List[int], hierarchy: List[List[int]], budget: int) -> int:
        tree = defaultdict(list)
        for u, v in hierarchy:
            tree[u - 1].append(v - 1)

        @lru_cache(None)
        def dp(u):
            '''
            input: u : int -> 0-based user id
            output: 
              - dp0: [int] * (budget+1) -> max profit for each budget if parent node was not bought
              - dp1: [int] * (budget+1) -> max profit for each budget if parent node was bought
            '''
            child_dp = [dp(v) for v in tree[u]]
            dp0 = [0] * (budget+1) # parent not buy
            dp1 = [0] * (budget+1) # parent buy
            for parent_bought, max_profits in [(0, dp0), (1, dp1)]:
                cost = present[u] if parent_bought == 0 else present[u] // 2
                profit = future[u] - cost
                
                dpA = [0] + [-math.inf] * (budget) # u not buy
                dpB = [-math.inf] * (budget+1) # u buy
                if cost <= budget:
                    dpB[cost] = profit
                for case0, case1 in child_dp:
                    new_dpA = [-math.inf] * (budget+1) # u not buy
                    for bgt in range(budget+1):
                        if dpA[bgt] == -math.inf:
                            continue
                        for k in range(budget-bgt+1):
                            if case0[k] == -math.inf:
                                continue
                            new_dpA[bgt+k] = max(new_dpA[bgt+k], dpA[bgt] + case0[k])
                    dpA = new_dpA
                    
                    new_dpB = [-math.inf] * (budget+1) # u buy
                    for bgt in range(budget+1):
                        if dpB[bgt] == -math.inf:
                            continue
                        for k in range(budget-bgt+1):
                            if case1[k] == -math.inf:
                                continue
                            new_dpB[bgt+k] = max(new_dpB[bgt+k], dpB[bgt] + case1[k])
                    dpB = new_dpB
                    
                for bgt in range(budget+1):
                    max_profits[bgt] = max(dpA[bgt], dpB[bgt])
                    
            return dp0, dp1
                    
                
        
        max_profits, _ = dp(0)
        return max(max_profits)

提交代码评测得到:耗时2362ms,占用内存22.8MB。

相关推荐
傻欣11 小时前
动态规划疑惑总结
算法·动态规划
ZZZS05162 天前
stack栈练习
c++·笔记·学习·算法·动态规划
vortex53 天前
算法设计与分析:分治、动态规划与贪心算法的异同与选择
算法·贪心算法·动态规划
✿ ༺ ོIT技术༻4 天前
剑指offer第2版:动态规划+记忆化搜索
算法·动态规划·记忆化搜索
ゞ 正在缓冲99%…5 天前
leetcode918.环形子数组的最大和
数据结构·算法·leetcode·动态规划
c++bug5 天前
动态规划VS记忆化搜索(2)
算法·动态规划
蓝澈11216 天前
弗洛伊德(Floyd)算法-各个顶点之间的最短路径问题
java·数据结构·动态规划
xindafu7 天前
代码随想录算法训练营第四十二天|动态规划part9
算法·动态规划
xindafu7 天前
代码随想录算法训练营第四十五天|动态规划part12
算法·动态规划
Deepoch8 天前
Deepoc 大模型:无人机行业的智能变革引擎
人工智能·科技·算法·ai·动态规划·无人机