当前位置:首页 > 文章列表 > 文章 > php教程 > 最大点数与成本

最大点数与成本

来源:dev.to 2024-11-30 09:30:40 0浏览 收藏

目前golang学习网上已经有很多关于文章的文章了,自己在初次阅读这些文章中,也见识到了很多学习思路;那么本文《最大点数与成本》,也希望能帮助到大家,如果阅读完后真的对你学习文章有帮助,欢迎动动手指,评论留言并分享~

1937 年。最大积分数量与成本

难度:中等

主题: 数组、动态规划

给你一个 m x n 整数矩阵点(0 索引)。从 0 点开始,您希望最大化可以从矩阵中获得的点数。

要获得积分,您必须在每一行中选择一个单元格。选择坐标 (r, c) 处的单元格将为您的分数添加 分 [r][c]。

但是,如果您选择的单元格距离您在上一行中选择的单元格太远,您将失去分数。对于每两个相邻行 r 和 r + 1(其中 0 <= r < m - 1),在坐标 (r, c

1) 和 (r + 1, c2) 处选取单元格将减去 abs (c1 - c2) 来自您的分数。

返回

您能获得的最大积分。

abs(x) 定义为:

    x 为 x >= 0.
  • -x 代表 x < 0.

示例1:

最大点数与成本

  • 输入: l1 = [2,4,3], l2 = [5,6,4]
  • 输出: 9
  • 说明:
      蓝色单元格表示要选取的最佳单元格,其坐标为 (0, 2)、(1, 1) 和 (2, 0)。
    • 您将 3 + 5 + 3 = 11 加到您的分数上。
    • 但是,你必须从你的分数中减去abs(2 - 1) + abs(1 - 0) = 2。
    • 您的最终得分是 11 - 2 = 9.

示例2:

最大点数与成本

  • 输入: 点 = [[1,5],[2,3],[4,2]]
  • 输出: 11
  • 说明:
      蓝色单元格表示要选取的最佳单元格,其坐标为 (0, 1)、(1, 1) 和 (2, 0)。
    • 您将 5 + 3 + 4 = 12 加到您的分数上。
    • 但是,你必须从你的分数中减去abs(1 - 1) + abs(1 - 0) = 1。
    • 您的最终得分是 12 - 1 = 11。

限制:

    m == 点.长度
  • n == 点[r].长度
  • 1 <= m, n <= 10
  • 5
  • 1 <= m * n <= 10
  • 5
  • 0 <= 积分[r][c] <= 10
  • 5

提示:

    尝试使用动态规划。
  1. dp[i][j] 是如果点[i][j] 是您最近选择的单元格时您可以拥有的最大点数。

解决方案:

我们可以将解决方案分解为几个步骤:

第 1 步:定义 dp 数组

我们将使用 2d 数组 dp,其中 dp[i][j] 表示通过选择第 i 行和 j 列的单元格可以获得的最大点数。

步骤2:初始化dp阵列

初始化第一行 dp 与第一行点相同,因为没有前面的行可以减去成本。

步骤 3:计算每行的 dp 值

对于每个后续行,我们考虑到从前一行切换的成本来计算每列的最大可能点。

为了高效计算从第 i-1 行到第 i 行的转换,我们可以使用左右两个辅助数组:

    left[j] 将存储我们可以为第 j 列实现的最大值,仅考虑从左侧的转换。
  • right[j] 将存储我们可以为第 j 列实现的最大值,仅考虑从右侧的转换。
步骤 4:更新每行的 dp

对于第 i 行中的每一列 j:

    使用 left[j] 或 right[j] 中的最大值加上点 [i][j] 来更新 dp[i][j]。
步骤 5:返回最后一行的最大值

结果将是 dp 数组最后一行的最大值。

让我们用 php 实现这个解决方案:

1937。最大积分与费用


解释:

  • 左数组和右数组: 这些帮助我们通过考虑前一行的值来计算每个单元格可以获得的最大分数,有效地考虑跨列移动的惩罚。
  • 动态编程方法: 此方法确保每一行都是基于前一行计算的,使得解决方案可针对大型矩阵进行扩展。
这种方法的时间复杂度为 (o(m times n)),在给定约束的情况下是有效的。

联系链接

如果您发现本系列有帮助,请考虑在 github 上给

存储库 一颗星,或在您最喜欢的社交网络上分享该帖子?。您的支持对我来说意义重大!

如果您想要更多类似的有用内容,请随时关注我:

  • 领英
  • github

终于介绍完啦!小伙伴们,这篇关于《最大点数与成本》的介绍应该让你收获多多了吧!欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布文章相关知识,快来关注吧!

版本声明
本文转载于:dev.to 如有侵犯,请联系study_golang@163.com删除
Win10黑屏后无法唤醒屏幕怎么解决 Win10黑屏后无法唤醒屏幕怎么解决
上一篇
Win10黑屏后无法唤醒屏幕怎么解决
为什么body设置flex后,子元素.outer无法上下左右居中?
下一篇
为什么body设置flex后,子元素.outer无法上下左右居中?
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    280次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    334次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    330次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    299次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    120次使用