程序设计思维与实践 Week10 C拿数问题

本文探讨了一种经典的拿数问题变形,即在序列中选取数值时,避免选取相邻数值加减1的情况,同时深入分析了解题思路和状态转移方程,通过实例代码展示了如何利用动态规划高效求解最大分数。

题意:

给一个序列,里边有 n 个数,每一步能拿走一个数,比如拿第 i 个数, Ai = x,得到相应的分数 x,但拿掉这个 Ai 后,x+1 和 x-1 (如果有 Aj = x+1 或 Aj = x-1 存在) 就会变得不可拿(但是有 Aj = x 的话可以继续拿这个 x)。求最大分数。

input:

第一行包含一个整数 n (1 ≤ n ≤ 105),表示数字里的元素的个数。
第二行包含n个整数a1, a2, …, an (1 ≤ ai ≤ 105)

Output:

输出一个整数:n你能得到最大分值。

思路:

观察可知这是上课说的拿数问题的变形:
首先回忆一下原先的题目:即对于n个数,拿走了第i个数后,其i+1和i-1的数不可以再拿,求可以拿的最大的分数。
其有状态:dp[i]表示仅考虑A[1-i]可以拿到的最大的分数。
状态转移方程有:dp[i]=max(dp[i-1],dp[i-2]+A[i]),即为拿A[i]和不拿A[i]。
在这里插入图片描述

对现在的来说:对n个数拿了其中A[i]的数,则不可以拿A[i]-1和A[i]+1的数。并且所有A[j]=A[i]的数都可以拿。再这可以发现原先由下标的转移变成了由所存储的数的转移。即可用两个数组,一个数组用来存储对应的数,另一个数组用来存储这个数的次数。每次选择这个数的时候,即加上数乘以数的出现次数。
在这一开始想的直接存储数i个数,进行选择,在函递归的时候,用另一个参数k来表示其上一个数有没有选,再判断上一个数是不是刚好比当前数大1。直接递归可以,但超时,如果用dp[i]存储每个求得数,在这里又因为有出现分支,并不能保证每个存储的都是最优的。因此出现问题。
后来即保存了这些数的最大值和最小值,直接在最大值和最小值中进行选择,如果其中的数没有出现的则次数为0,故分数为0。经过这样的转化后,即将以数为求解的转化成了以坐标为求解的方式,即和一开始的一样。 不过,这和递归的写法竟然卡时间了,后来换成for,从小到大的求解,才过了。

代码:

#include <iostream>
#include <cstdio>
#include <string>
#include <cstring>
#include <algorithm>
using namespace std;

const int m=100010;
long long tot[m], dp[m];
long long m_in, m_ax;

int n;
int main(){
	cin>>n;
	long long t;
	memset(tot,0,sizeof(tot));
	memset(dp,0,sizeof(dp));
	m_in=0, m_ax=0;  //记录上下界 
	for(int i=0; i<n; i++){
		cin>>t;
		tot[t]++;
		m_in=min(t,m_in);
		m_ax=max(t,m_ax);
	}
	//从m_in到m_ax,和课上的一样
	for(long long i=m_in; i<=m_ax;i++){
		dp[i]=max(dp[i-1],dp[i-2]+tot[i]*i);
	}
	cout<<dp[m_ax]<<endl;
	return 0;
	
}

内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航避障;②研究智能优化算法(如CPO)在路径规划中的实际部署性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构代码示例进行实践运行,重点关注目标函设计、CPO算法改进策略约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为系统鲁棒性。
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