当前位置: 首页 > news >正文

华为OD机试_2025 B卷_玩牌高手(Python,100分)(附详细解题思路)

题目描述

给定一个长度为n的整型数组,表示一个选手在n轮内可选择的牌面分数。选手基于规则选牌,
请计算所有轮结束后其可以获得的最高总分数。
选择规则如下:

  1. 在每轮里选手可以选择获取该轮牌面,则其总分数加上该轮牌面分数,为其新的总分数。
  2. 选手也可不选择本轮牌面直接跳到下一轮,此时将当前总分数还原为3轮前的总分数,若当前轮次小于等于3(即在第1、2、3轮选择跳过轮次),则总分数置为0。
  3. 选手的初始总分数为0,且必须依次参加每一轮。
    输入描述
    第一行为一个小写逗号分割的字符串,表示n轮的牌面分数,1<= n <=20。
    分数值为整数,-100 <= 分数值 <= 100。
    不考虑格式问题。
    输出描述
    所有轮结束后选手获得的最高总分数。
    用例
输入1,-5,-6,4,3,6,-2
输出11
说明

动态规划解选手选牌问题:从暴力到优化

一、核心解题思路

这道题目描述了一个选手在多轮游戏中选牌的规则,我们需要计算选手能获得的最高总分数。题目有两个关键规则:

  1. 选择获取当前牌:总分数加上当前轮次的牌面分数
  2. 选择跳过当前轮:总分数还原到3轮前的状态(如果不足3轮则置为0)

作为初学者,我们可以采用动态规划(Dynamic Programming)的方法来解决这个问题。动态规划特别适合这种有重叠子问题最优子结构的问题。

为什么选择动态规划?

  1. 问题可以分解:每一轮的选择只依赖于前面有限轮次的结果
  2. 有重叠子问题:计算某一轮的最高分数可能会重复使用前面轮次的结果
  3. 需要做最优决策:每一轮都要选择是拿牌还是跳过,以最大化最终分数

基本思路

我们可以定义一个dp数组,其中dp[i]表示进行到第i轮时能获得的最大分数。对于每一轮i,我们有两种选择:

  1. 拿当前牌:dp[i] = dp[i-1] + current_score
  2. 跳过当前轮:dp[i] = dp[i-3](如果i>=3),否则为0

然后我们取这两种选择中的较大值作为dp[i]的值。

二、完整代码实现

def max_score(cards):n = len(cards)if n == 0:return 0# 初始化dp数组,dp[i]表示前i轮能获得的最大分数dp = [0] * (n + 1)for i in range(1, n + 1):# 选择拿当前牌take = dp[i-1] + cards[i-1]# 选择跳过当前牌if i >= 3:skip = dp[i-3]else:skip = 0# 取两种选择中的较大值dp[i] = max(take, skip)return dp[n]# 处理输入输出
input_str = input().strip()
cards = list(map(int, input_str.split(',')))
print(max_score(cards))

三、算法原理解析

动态规划状态转移

我们的动态规划状态转移方程可以表示为:

dp[i] = max(dp[i-1] + cards[i-1],  # 选择拿当前牌dp[i-3] if i >= 3 else 0  # 选择跳过当前牌
)

其中:

  • dp[i-1] + cards[i-1]表示如果选择拿当前牌,那么最大分数就是前一轮的最大分数加上当前牌的分数
  • dp[i-3](当i>=3时)表示如果选择跳过当前牌,那么最大分数会回退到3轮前的状态

时间复杂度分析

  • 我们需要遍历所有n轮
  • 每轮的计算是常数时间O(1)
  • 因此总时间复杂度是O(n)

空间复杂度分析

  • 我们使用了一个长度为n+1的dp数组
  • 因此空间复杂度是O(n)
  • 可以优化到O(1)的空间,因为我们只需要保存前3轮的结果

四、示例解析

让我们用题目给出的示例来一步步解析:

输入1,-5,-6,4,3,6,-2

牌面数组:[1, -5, -6, 4, 3, 6, -2]

初始化:dp = [0, 0, 0, 0, 0, 0, 0, 0]

逐步计算

  1. 第1轮(牌=1):

    • 拿牌:dp + 1 = 0 + 1 = 1
    • 跳过:0(因为i=1 < 3)
    • dp = max(1, 0) = 1
  2. 第2轮(牌=-5):

    • 拿牌:dp + (-5) = 1 - 5 = -4
    • 跳过:0(因为i=2 < 3)
    • dp = max(-4, 0) = 0
  3. 第3轮(牌=-6):

    • 拿牌:dp + (-6) = 0 - 6 = -6
    • 跳过:0(因为i=3 == 3,dp=0)
    • dp = max(-6, 0) = 0
  4. 第4轮(牌=4):

    • 拿牌:dp + 4 = 0 + 4 = 4
    • 跳过:dp = 1
    • dp = max(4, 1) = 4
  5. 第5轮(牌=3):

    • 拿牌:dp + 3 = 4 + 3 = 7
    • 跳过:dp = 0
    • dp = max(7, 0) = 7
  6. 第6轮(牌=6):

    • 拿牌:dp + 6 = 7 + 6 = 13
    • 跳过:dp = 0
    • dp = max(13, 0) = 13
  7. 第7轮(牌=-2):

    • 拿牌:dp + (-2) = 13 - 2 = 11
    • 跳过:dp = 4
    • dp = max(11, 4) = 11

最终结果:dp = 11

五、总结

通过这个题目,我们学习了如何用动态规划解决有选择决策的问题。关键点包括:

  1. 定义状态:明确dp[i]表示什么
  2. 状态转移方程:如何从之前的状态推导当前状态
  3. 边界条件:处理初始状态和特殊情况
  4. 空间优化:可以只保存必要的状态来减少空间使用

对于初学者来说,动态规划可能看起来有些抽象,但通过多练习类似的题目,你会逐渐掌握这种强大的解题技巧。记住:

  1. 先尝试用递归思路理解问题
  2. 然后找出重叠子问题
  3. 最后用数组或变量存储中间结果避免重复计算

这个问题的变种可能包括改变跳过的轮数(比如跳过1轮或2轮),或者改变跳过后的分数计算规则。理解基础版本后,你可以尝试解决这些变种问题来巩固你的动态规划技能。

相关文章:

  • 从C++编程入手设计模式——装饰器模式
  • Dify 推出全新版本!Dify-v1.4.3本地部署教程:开发效率飙升,快速打造 AI 应用!
  • Mysql5.7 自动备份恢复示例
  • 《Kubernetes》Pod详解+Pod控制器
  • 用“Gemini 2.0 Flash Preview Image Generation”模型修改图片,有哪些常用的提示词和方法
  • 计算机网络零基础完全指南
  • 九尾狐编程语言新算法“超维时空演算体”
  • 加密货币:什么是稳定币?
  • 《Go语言圣经》结构体
  • 宽度优先遍历(bfs)(3)——最小路径问题
  • RTSP播放器低延迟实践:一次对毫秒级响应的技术探索
  • SpringBoot扩展——发送邮件!
  • flink的多种部署模式
  • Kaggle-Plant Seedlings Classification-(多分类+CNN+图形处理)
  • 解决“在EFI系统上,Windows只能安装到GPT磁盘“错误
  • DINO-R1:激励推理能力的视觉基础模型
  • 最简单的方式突破远程桌面封锁
  • 算法导论第十九章 并行算法:解锁计算新维度
  • Matplotlib 绘图库使用技巧介绍
  • Python 数据分析与可视化 Day 1 - Pandas 数据分析基础入门
  • app开发网站建设公司/网页开发教程
  • 江西核工业建设有限公司网站/万网域名购买
  • 辽宁pc网站建设开发/关键词整站排名优化
  • 长沙理工大学网络教学平台/盐城seo排名
  • 世界十大网站排名/营销型网站更受用户欢迎的原因是
  • 大良营销网站建设流程/推广运营是做什么的