石子游戏打包

石子游戏

亚历克斯和李用几堆石子在做游戏。偶数堆石子排成一行,每堆都有正整数颗石子 piles[i] 。

游戏以谁手中的石子最多来决出胜负。石子的总数是奇数,所以没有平局。

亚历克斯和李轮流进行,亚历克斯先开始。 每回合,玩家从行的开始或结束处取走整堆石头。
这种情况一直持续到没有更多的石子堆为止,此时手中石子最多的玩家获胜。

假设亚历克斯和李都发挥出最佳水平,当亚历克斯赢得比赛时返回 true ,当李赢得比赛时返回 false 。

定义动态规划的状态
d p [ i ] [ j ] : dp[i][j]: dp[i][j]:石头堆只剩下 i i i j j j时,当前执行者可以领先的最优分数差。
所以这题的动态规划状态转移方程为
d p [ i ] [ j ] = m a x ( p i l e s [ i ] − d p [ i + 1 ] [ j ] , p i l e s [ j ] − d p [ i ] [ j − 1 ] ) dp[i][j]=max(piles[i]-dp[i+1][j],piles[j]-dp[i][j-1]) dp[i][j]=max(piles[i]dp[i+1][j],piles[j]dp[i][j1])
可以理解成,我要么选第一个 i i i,此时我得到了 p i l e [ i ] pile[i] pile[i]分,我的对手会比我多拿 d p [ i + 1 ] [ j ] dp[i+1][j] dp[i+1][j]这么多分,合起来我能比对手多拿 p i l e s [ i ] − d p [ i + 1 ] [ j ] piles[i]-dp[i+1][j] piles[i]dp[i+1][j]分。类似的,另一个选择对应的分数差为 p i l e s [ j ] − d p [ i ] [ j − 1 ] piles[j]-dp[i][j-1] piles[j]dp[i][j1]分。为了赢这个游戏,我肯定要挑一个分数高的选择。
代码如下:

class Solution:
    def stoneGame(self, piles: List[int]) -> bool:
        n = len(piles)
        dp = [[0]*n for _ in range(n)]
        for i in range(n-1,-1,-1):
            dp[i][i] = piles[i]
            for j in range(i+1,n):
                dp[i][j] = max(piles[i]-dp[i+1][j],piles[j]-dp[i][j-1])
        return dp[0][n-1] > 0

BTW,这题可以用脑筋急转弯,先手必胜啊哈哈哈哈哈直接return True,结束<(^-^)>

石子游戏II

石子游戏III

航拍图像多类别实例分割数据集 一、基础信息 • 数据集名称:航拍图像多类别实例分割数据集 • 图片数量: 训练集:1283张图片 验证集:416张图片 总计:1699张航拍图片 • 训练集:1283张图片 • 验证集:416张图片 • 总计:1699张航拍图片 • 分类类别: 桥梁(Bridge) 田径场(GroundTrackField) 港口(Harbor) 直升机(Helicopter) 大型车辆(LargeVehicle) 环岛(Roundabout) 小型车辆(SmallVehicle) 足球场(Soccerballfield) 游泳池(Swimmingpool) 棒球场(baseballdiamond) 篮球场(basketballcourt) 飞机(plane) 船只(ship) 储罐(storagetank) 网球场(tennis_court) • 桥梁(Bridge) • 田径场(GroundTrackField) • 港口(Harbor) • 直升机(Helicopter) • 大型车辆(LargeVehicle) • 环岛(Roundabout) • 小型车辆(SmallVehicle) • 足球场(Soccerballfield) • 游泳池(Swimmingpool) • 棒球场(baseballdiamond) • 篮球场(basketballcourt) • 飞机(plane) • 船只(ship) • 储罐(storagetank) • 网球场(tennis_court) • 标注格式:YOLO格式,包含实例分割的多边形坐标,适用于实例分割任务。 • 数据格式:航拍图像数据。 二、适用场景 • 航拍图像分析系统开发:数据集支持实例分割任务,帮助构建能够自动识别和分割航拍图像中各种物体的AI模型,用于地理信息系统、环境监测等。 • 城市
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