lintcode 344 · 歌曲时间【背包问题,动态规划】

这篇具有很好参考价值的文章主要介绍了lintcode 344 · 歌曲时间【背包问题,动态规划】。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

题目链接,描述

https://www.lintcode.com/problem/344/

给定长度为N的正整数数组song代表N首歌的时间
请你任选其中若干首播放,在满足开始播放最后一首歌的时间小于M的情况下求播放歌曲的最长时间
每首歌只能被播放一次
你可以任意指定播放顺序


1 \leq N \leq 10^31N10 
3
 
1 \leq M \leq 10^51M10 
5
 
1 \leq song_i \leq 10^51≤song 
i
​
 ≤10 
5
 

样例
输入:[1,2,3,4,5]
14
输出:15
解释:依次播放第一首歌到第五首歌

思路

我们先证明,时长最长的那首歌是一定会被选中的。如果不然,则可以将最后播放的那首歌替换成这个时长最长的,能得到更优解,矛盾。那么我们只考虑剩下的歌的选择。问题转化为,问总长度小于M MM的情况下,最长总时长是多少。这是个0 − 1 0-10−1背包问题,可以用动态规划解决文章来源地址https://www.toymoban.com/news/detail-674855.html

代码

public class Solution {
    /**
     * @param song: an array represent song'time
     * @param m: an integer represent sont time limit
     * @return: return the longest time for song
     */
    public int longestSongTime(int[] song, int m) {
            /*
         思路:1:和第92题背包问题一样的,本题只需要把最大的一个数字去掉,
        2:然后求剩余的数字背包不大于m的情况下最大是多少
        然后用这个最大值+ 第一步去掉的最大值
         */
        //return f1(song,m); //递归+缓存,超过内存限制了,代码正确的,但是不能作为答案
        
        //下面是动态规划的答案,提交他就能通过
        int n = song.length;
        int max=Integer.MIN_VALUE, maxIdx = -1;
        for (int i = 0; i < n; i++) {
            if(song[i] > max){
                max = song[i];
                maxIdx = i;
            }
        }

        song[maxIdx] =0; //最大值不参与动态规划计算,但是用于最后的结果
        int[][] dp = new int[song.length+1][m+1];
        for (int i = song.length-1; i >=0 ; i--) {
            for (int rest = 0; rest <=m ; rest++) {
                int p1 = dp[i+1][rest];
                int p2 =0;
                int next = (rest-song[i] <=0)?-1:(dp[i+1][rest-song[i]]);
                if(next!=-1){
                    p2 = next+song[i];
                }

                dp[i][rest]=Math.max(p1,p2);
            }
        }

        return dp[0][m]+max;
    }


    public static int f1(int[] song, int m) {
        //递归+缓存
        //思路:1:和第92题背包问题一样的,本题只需要把最大的一个数字去掉,
        // 2:然后求剩余的数字背包不大于m的情况下最大是多少
        //然后用这个最大值+ 第一步去掉的最大值
        int max = Integer.MIN_VALUE, maxIdx = -1;
        for (int i = 0; i < song.length; i++) {
            if (song[i] > max) {
                max = song[i];
                maxIdx = i;
            }
        }
        int n = song.length;
        song[maxIdx] = 0;
        Integer[][] dp = new Integer[n + 1][m + 1];
        int curMax = dfs(0, m, song, dp);
        return curMax + max;
    }

    public static int dfs(int i, int rest, int[] arr, Integer[][] dp) {
        if (rest <= 0) return -1;
        if (i == arr.length) return 0;

        if (dp[i][rest] != null) return dp[i][rest];
        int p1 = dfs(i + 1, rest, arr, dp);

        int p2 = 0;
        int next = dfs(i + 1, rest - arr[i], arr, dp);

        if (next != -1) {
            p2 = next + arr[i];
        }

        dp[i][rest] = Math.max(p1, p2);
        return Math.max(p1, p2);
    }
}

到了这里,关于lintcode 344 · 歌曲时间【背包问题,动态规划】的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 算法学习17-动态规划01:背包问题

    提示:以下是本篇文章正文内容: 提示:这里对文章进行总结: 💕💕💕

    2024年04月27日
    浏览(33)
  • C++ DP算法,动态规划——背包问题(背包九讲)

    有N件物品和一个容量为 V V V 的背包。放入第i件物品耗费的空间是 C i C_i C i ​ ,得到的价值是 W i W_i W i ​ 。 求解将哪些物品装入背包可使价值总和最大。 这是最基础的背包问题,特点是:每种物品仅有一件,可以选择放或不放。 用子问题定义状态:即 F [ i , v ] F[i, v] F

    2024年02月16日
    浏览(37)
  • 【动态规划】01背包问题——算法设计与分析

    若超市允许顾客使用一个体积大小为13的背包,选择一件或多件商品带走,则如何选择可以使得收益最高? 商品 价格 体积 啤酒 24 10 汽水 2 3 饼干 9 4 面包 10 5 牛奶 9 4 0-1 Knapsack Problem 输入: quad - n n n 个商品组成集合 O O O ,每个商品有属性价格 p i p_i p i ​ 和体积 v i v_i v

    2024年02月04日
    浏览(53)
  • acwing算法基础之动态规划--背包问题

    (零) 背包问题描述:有 N N N 个物品,每个物品的体积是 v i v_i v i ​ ,价值是 w i w_i w i ​ ,现有容量是 V V V 的背包,求这个背包能装下的物品的最大价值。 01背包问题:每个物品只有1个。 完全背包问题:每个物品有无穷多个。 多重背包问题:第 i i i 个物品有 s i s_i s

    2024年02月05日
    浏览(37)
  • 背包问题算法全解析:动态规划和贪心算法详解

    计算机背包问题是动态规划算法中的经典问题。本文将从理论和实践两个方面深入探讨计算机背包问题,并通过实际案例分析,帮助读者更好地理解和应用该问题。 背包问题是一种经典的优化问题。有的时候我们需要将有一堆不同重量或者体积的物品放入背包,但是背包容量

    2024年02月09日
    浏览(39)
  • 贪心算法解决背包问题和动态规划解决0-1背包问题(c语言)

    运行结果如下: 运行结果如下: 总结: 贪心算法: 每一步都做出当时看起来最佳的选择,也就是说,它总是做出局部最优的选择。 贪心算法的设计步骤: 对其作出一个选择后,只剩下一个子问题需要求解。 证明做出贪心选择后,原问题总是存在最优解,即贪心选择总是安

    2024年02月04日
    浏览(41)
  • 算法套路十四——动态规划之背包问题:01背包、完全背包及各种变形

    如果对递归、记忆化搜索及动态规划的概念与关系不太理解,可以前往阅读算法套路十三——动态规划DP入门 背包DP介绍:https://oi-wiki.org/dp/knapsack/ 0-1背包:有n个物品,第i个物品的体积为w[i],价值为v[i],每个物品至多选一个, 求体积和不超过capacity时的最大价值和,其中i从

    2024年02月10日
    浏览(41)
  • 【Python算法】实验12-动态规划与背包问题

    目录 实验内容 1.数塔dp -A 2.骨牌铺方格 3.一只小蜜蜂

    2024年02月15日
    浏览(32)
  • 算法分析与设计——动态规划求解01背包问题

    假设有四个物品,如下图,背包总容量为8,求背包装入哪些物品时累计的价值最多。 我们使用动态规划来解决这个问题,首先使用一个表格来模拟整个算法的过程。 表格中的信息表示 指定情况下能产生的最大价值 。例如, (4, 8)表示在背包容量为8的情况下,前四个物品的最

    2024年02月04日
    浏览(50)
  • 【Python算法】实验8-动态规划与背包问题

    目录 实验内容 1.数塔dp -A 2.骨牌铺方格 3.一只小蜜蜂

    2023年04月19日
    浏览(43)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包