Dungeon Game



The demons had captured the princess (P) and imprisoned her in the bottom-right corner of a dungeon. The dungeon consists of M x N rooms laid out in a 2D grid. Our valiant knight (K) was initially positioned in the top-left room and must fight his way through the dungeon to rescue the princess.

The knight has an initial health point represented by a positive integer. If at any point his health point drops to 0 or below, he dies immediately.

Some of the rooms are guarded by demons, so the knight loses health (negative integers) upon entering these rooms; other rooms are either empty (0's) or contain magic orbs that increase the knight's health (positive integers).

In order to reach the princess as quickly as possible, the knight decides to move only rightward or downward in each step.


Write a function to determine the knight's minimum initial health so that he is able to rescue the princess.

For example, given the dungeon below, the initial health of the knight must be at least 7 if he follows the optimal path RIGHT-> RIGHT -> DOWN -> DOWN.

-2 (K)-33
-5-101
1030-5 (P)

Notes:

  • The knight's health has no upper bound.
  • Any room can contain threats or power-ups, even the first room the knight enters and the bottom-right room where the princess is imprisoned.

题目的大意是给出每个格消耗的血量或增加的血量,求从左上角走到右下角需要的最少血量。

需要注意的是骑士的血量只要比1小就会马上死亡,所以我们不能只保证骑士到达右下角时的血量大于0,因为他可能在前面某一步时血量就小于1而死亡了。

这道题目显然是要使用动态规划的,我一开始的想法是用一个二维数组,计录从左上角走到当前点需要的血量。但是这时候就会有一个问题,当我们在处理一个点时,他可以从上面的那个点走到这里,或者从左边的点走到这里,如果一条路需要的血量更少,另一条路能够使得当前能够获得更大的血量,这时候我们不能判断这两条路哪条比较好,所以这种方法是行不通的。

所以我采用的方法是和上面的方法相反,是从右下角的点往前面扫,用两个二维数组,min,cur分别记录从当前点走到终点需要的血量和当前的血量。由于在处理一个点时需要考虑的情况比较多,所以处理起来是比较复杂的,首先我们要保证骑士能够进入这个点,也就是说要保证骑士刚进入这个点时至少有1个血量,所以我用变量t记录确保骑士能够进入这个点需要的血量,然后选择向下走还是向右走,这时候就要比较它下面的点和右边的点到达终点需要的血量,也就是比较min在对应点的值,选择需要血量少的点。选择了方向以后就要计算当前的血量,因为要计算从该点走到终点的最小血量,所以我们要把骑士的当前血量控制在1这个最小值,所以我用变量add记录需要增加的血量,如果本来血量是大于1的,则add的值是负值,然后根据add的值调整需要的血量和当前血量两个值。这样一个节点就处理完了。

上面的方法需要两个二维数组,但是我们扫描数组的方向是从右到左,从下到上,而我们在处理一个节点时需要使用到的只是它下面或者右边的值,所以只使用两个一维数组就足够了。

有一点要特别注意的是,题目要求骑士在进入格子之前就要有1个血量以上,所以在返回结果之前要特判一下,如果结果为0,就要把返回的结果改为1.

程序中有一个二重循环,用到了两个大小为n的数组,所以时间复杂度为O(m*n),空间复杂度为O(n)。

以下为源代码:

class Solution {
public:
    int calculateMinimumHP(vector<vector<int>>& dungeon) {
        int m=dungeon.size();
        int n=dungeon[0].size();
        vector<int> cur(n,0),min(n,10000000);
        min[n-1]=max(0,1-dungeon[m-1][n-1]);
        cur[n-1]=min[n-1]+dungeon[m-1][n-1];
        for(int i=m-1;i>=0;i--)
            for(int j=n-1;j>=0;j--)
            {
                if(i==m-1&&j==n-1) continue;
                int t=0;
                if(dungeon[i][j]<=0) t=-dungeon[i][j]+1;
                if(j<n-1&&min[j+1]<min[j])
                {
                    cur[j]=cur[j+1]+dungeon[i][j];
                    int add=-cur[j]+1;
                    min[j]=max(t,min[j+1]+add);
                    cur[j]+=add;
                }
                else
                {
                    cur[j]=cur[j]+dungeon[i][j];
                    int add=-cur[j]+1;
                    min[j]=max(t,min[j]+add);
                    cur[j]+=add;
                }
            }
        if(min[0]==0) return 1;
        else return min[0];
    }
};

内容概要:《2024年中国城市低空经济发展指数报告》由36氪研究院发布,指出低空经济作为新质生产力的代表,已成为中国经济新的增长点。报告从发展环境、资金投入、创新能力、基础支撑和发展成效五个维度构建了综合指数评价体系,评估了全国重点城市的低空经济发展状况。北京和深圳在总指数中名列前茅,分别以91.26和84.53的得分领先,展现出强大的资金投入、创新能力和基础支撑。低空经济主要涉及无人机、eVTOL(电动垂直起降飞行器)和直升机等产品,广泛应用于农业、物流、交通、应急救援等领域。政策支持、市场需求和技术进步共同推动了低空经济的快速发展,预计到2026年市场规模将突破万亿元。 适用人群:对低空经济发展感兴趣的政策制定者、投资者、企业和研究人员。 使用场景及目标:①了解低空经济的定义、分类和发展驱动力;②掌握低空经济的主要应用场景和市场规模预测;③评估各城市在低空经济发展中的表现和潜力;④为政策制定、投资决策和企业发展提供参考依据。 其他说明:报告强调了政策监管、产业生态建设和区域融合错位的重要性,提出了加强法律法规建设、人才储备和基础设施建设等建议。低空经济正加速向网络化、智能化、规模化和集聚化方向发展,各地应找准自身比较优势,实现差异化发展。
数据集一个高质量的医学图像数据集,专门用于脑肿瘤的检测和分类研究以下是关于这个数据集的详细介绍:该数据集包含5249张脑部MRI图像,分为训练集和验证集。每张图像都标注了边界框(Bounding Boxes),并按照脑肿瘤的类型分为四个类别:胶质瘤(Glioma)、脑膜瘤(Meningioma)、无肿瘤(No Tumor)和垂体瘤(Pituitary)。这些图像涵盖了不同的MRI扫描角度,包括矢状面、轴面和冠状面,能够全面覆盖脑部解剖结构,为模型训练提供了丰富多样的数据基础。高质量标注:边界框是通过LabelImg工具手动标注的,标注过程严谨,确保了标注的准确性和可靠性。多角度覆盖:图像从不同的MRI扫描角度拍摄,包括矢状面、轴面和冠状面,能够全面覆盖脑部解剖结构。数据清洗与筛选:数据集在创建过程中经过了彻底的清洗,去除了噪声、错误标注和质量不佳的图像,保证了数据的高质量。该数据集非常适合用于训练和验证深度学习模型,以实现脑肿瘤的检测和分类。它为开发医学图像处理中的计算机视觉应用提供了坚实的基础,能够帮助研究人员和开发人员构建更准确、更可靠的脑肿瘤诊断系统。这个数据集为脑肿瘤检测和分类的研究提供了宝贵的资源,能够帮助研究人员开发出更准确、更高效的诊断工具,从而为脑肿瘤患者的早期诊断和治疗规划提供支持。
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