[LeetCode]Burst Balloons

本文探讨了一个经典的动态规划问题——气球爆破问题。通过逆向思维,文章详细阐述了如何利用动态规划策略高效求解,以获得爆破气球所能获取的最大金币数。

Given n balloons, indexed from 0 to n-1. Each balloon is painted with a number on it represented by array nums. You are asked to burst all the balloons. If the you burst balloon i you will get nums[left] * nums[i] * nums[right] coins. Here left and right are adjacent indices of i. After the burst, the left and right then becomes adjacent.

Find the maximum coins you can collect by bursting the balloons wisely.

Note: 
(1) You may imagine nums[-1] = nums[n] = 1. They are not real therefore you can not burst them.
(2) 0 ≤ n ≤ 500, 0 ≤ nums[i] ≤ 100

Example:

Given [3, 1, 5, 8]

Return 167

    nums = [3,1,5,8] --> [3,5,8] -->   [3,8]   -->  [8]  --> []
   coins =  3*1*5      +  3*5*8    +  1*3*8      + 1*8*1   = 167

[思路]动态规划。看到题目最容易想到的是采用回溯遍历解,这样复杂度有O(N!)如此高的复杂度肯定通不过时间限制。

于是尝试采用动态规划。

如果我们采用分治法,计算中间爆掉的气球,然后把集合分成两个。但是考虑到气球爆掉之后相邻气球的位置变化了,对最大硬币数有影响,采用分治法似乎不行,如果正向思考很难找到相互之间的规律。

那么我们反相思考从最后一个爆掉的气球开始,你得到的硬币显然和爆掉的气球没有关系。如果我们考虑开始爆掉的气球太过麻烦,如果我们从最后一个爆掉的气球分析,问题就简单了。

Dp[i][j] 表示打破的气球介于i和 j 之间得到的最大硬币数。显然我们要求的是Dp[0][n-1].

我们动态规划从k个长度出发扩展。每次计算k长度的子集。计算k子集的时候,改变中间爆掉气球,求最大解。

代码如下:  

class Solution {
public:
    int maxCoins(vector<int>& nums) {
        int nSize = nums.size()+2;
        nums.insert(nums.begin(),1);
        nums.push_back(1);
        vector<vector<int>> Dp(nSize,vector<int>(nSize,0));
        for(int k=3; k<=nSize; ++k){ //从不同长度字解扩展开来
            for(int left=0; left<=nSize-k; ++left){//确定左右的边界
                int right = left+k-1;
                for(int i=left+1; i<right; ++i){//确定中间爆掉的
                    Dp[left][right] = max(Dp[left][right],nums[i]*nums[left]*nums[right]+Dp[left][i]+Dp[i][right]);
                    //Dp计算
                }
            }
        }
        return Dp[0][nSize-1];
    }
};





标题基于Python的自主学习系统后端设计与实现AI更换标题第1章引言介绍自主学习系统的研究背景、意义、现状以及本文的研究方法和创新点。1.1研究背景与意义阐述自主学习系统在教育技术领域的重要性和应用价值。1.2国内外研究现状分析国内外在自主学习系统后端技术方面的研究进展。1.3研究方法与创新点概述本文采用Python技术栈的设计方法和系统创新点。第2章相关理论与技术总结自主学习系统后端开发的相关理论和技术基础。2.1自主学习系统理论阐述自主学习系统的定义、特征和理论基础。2.2Python后端技术栈介绍DjangoFlask等Python后端框架及其适用场景。2.3数据库技术讨论关系型和非关系型数据库在系统中的应用方案。第3章系统设计与实现详细介绍自主学习系统后端的设计方案和实现过程。3.1系统架构设计提出基于微服务的系统架构设计方案。3.2核心模块设计详细说明用户管理、学习资源管理、进度跟踪等核心模块设计。3.3关键技术实现阐述个性化推荐算法、学习行为分析等关键技术的实现。第4章系统测试与评估对系统进行功能测试和性能评估。4.1测试环境与方法介绍测试环境配置和采用的测试方法。4.2功能测试结果展示各功能模块的测试结果和问题修复情况。4.3性能评估分析分析系统在高并发等场景下的性能表现。第5章结论与展望总结研究成果并提出未来改进方向。5.1研究结论概括系统设计的主要成果和技术创新。5.2未来展望指出系统局限性并提出后续优化方向。
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