当前位置: 首页 > article >正文

LeetCode 3068.最大节点价值之和:脑筋急转弯+动态规划(O(1)空间)

【LetMeFly】3068.最大节点价值之和:脑筋急转弯+动态规划(O(1)空间)

力扣题目链接:https://leetcode.cn/problems/find-the-maximum-sum-of-node-values/

给你一棵 n 个节点的 无向 树,节点从 0 到 n - 1 编号。树以长度为 n - 1 下标从 0 开始的二维整数数组 edges 的形式给你,其中 edges[i] = [ui, vi] 表示树中节点 ui 和 vi 之间有一条边。同时给你一个  整数 k 和一个长度为 n 下标从 0 开始的 非负 整数数组 nums ,其中 nums[i] 表示节点 i 的 价值 。

Alice 想 最大化 树中所有节点价值之和。为了实现这一目标,Alice 可以执行以下操作 任意 次(包括 0 次):

  • 选择连接节点 u 和 v 的边 [u, v] ,并将它们的值更新为:
    <ul><li><code>nums[u] = nums[u] XOR k</code></li><li><code>nums[v] = nums[v] XOR k</code></li>
    </ul>
    </li>
    

请你返回 Alice 通过执行以上操作 任意次 后,可以得到所有节点 价值之和 的 最大值 。

 

示例 1:

输入:nums = [1,2,1], k = 3, edges = [[0,1],[0,2]]
输出:6
解释:Alice 可以通过一次操作得到最大价值和 6 :
- 选择边 [0,2] 。nums[0] 和 nums[2] 都变为:1 XOR 3 = 2 ,数组 nums 变为:[1,2,1] -> [2,2,2] 。
所有节点价值之和为 2 + 2 + 2 = 6 。
6 是可以得到最大的价值之和。

示例 2:

输入:nums = [2,3], k = 7, edges = [[0,1]]
输出:9
解释:Alice 可以通过一次操作得到最大和 9 :
- 选择边 [0,1] 。nums[0] 变为:2 XOR 7 = 5 ,nums[1] 变为:3 XOR 7 = 4 ,数组 nums 变为:[2,3] -> [5,4] 。
所有节点价值之和为 5 + 4 = 9 。
9 是可以得到最大的价值之和。

示例 3:

输入:nums = [7,7,7,7,7,7], k = 3, edges = [[0,1],[0,2],[0,3],[0,4],[0,5]]
输出:42
解释:Alice 不需要执行任何操作,就可以得到最大价值之和 42 。

 

提示:

  • 2 <= n == nums.length <= 2 * 104
  • 1 <= k <= 109
  • 0 <= nums[i] <= 109
  • edges.length == n - 1
  • edges[i].length == 2
  • 0 <= edges[i][0], edges[i][1] <= n - 1
  • 输入保证 edges 构成一棵合法的树。

挺有意思的题

解题方法:动态规划

推导一

前提:

  1. 一个数异或 k k k两次相当于没异或
  2. 选择树中一条路径上的所有边,相当于只有路径两端的两个元素异或了 k k k(中间每个元素都会异或 k k k两次)
  3. 树上任意两点之间存在一条路径

结论:

  1. 相当于我可以从 n u m s nums nums数组中任选两个数异或,实际上我连边都有哪些都不用管,edges数组直接删!

推导二

前提:

  1. 每次操作都会作用两个数

    1. 如果操作前两个数都异或过,操作后相当于两个数都没异或过
    2. 如果操作前两个数都没异或过,操作后相当于两个数都异或过
    3. 如果操作前两个数一个异或过一个没异或过,操作后相当于两个数一个没异或过一个异过

结论:

  1. 无论操作多少次,都相当于有偶数个数被异或了

解题思路

我们可以使用动态规划数组 o d d [ i ] odd[i] odd[i]代表 n u m s nums nums i i i个数中有奇数个被异或过的元素最大和, e v e n [ i ] even[i] even[i]代表 n u m s nums nums i i i个数中有偶数个被异或过的元素最大和。

对于一个数 n u m s [ i ] nums[i] nums[i],可以选择也可以不选,对应

o d d [ i ] = max ⁡ ( o d d [ i ] + n u m s [ i ] , e v e n [ i ] + ( n u m s [ i ] ^ k ) ) odd[i]=\max(odd[i]+nums[i], even[i]+(nums[i]\verb|^|k)) odd[i]=max(odd[i]+nums[i],even[i]+(nums[i]^k))

e v e n [ i ] = max ⁡ ( e v e n [ i ] + n u m s [ i ] , o d d [ i ] + ( n u m s [ i ] ^ k ) ) even[i]=\max(even[i]+nums[i], odd[i]+(nums[i]\verb|^|k)) even[i]=max(even[i]+nums[i],odd[i]+(nums[i]^k))

当然也可以原地滚动优化空间。

时空复杂度分析

  • 时间复杂度 O ( l e n ( n u m s ) ) O(len(nums)) O(len(nums))
  • 空间复杂度 O ( 1 ) O(1) O(1)

AC代码

C++
/** @Author: LetMeFly* @Date: 2025-05-27 23:28:05* @LastEditors: LetMeFly.xyz* @LastEditTime: 2025-05-27 23:34:08*/
typedef long long ll;class Solution {
public:ll maximumValueSum(vector<int>& nums, int k, vector<vector<int>>& edges) {ll odd = LLONG_MIN, even = 0;for (int t : nums) {ll newO = max(odd + t, even + (t ^ k));ll newE = max(even + t, odd + (t ^ k));odd = newO, even = newE;}return even;}
};
Python
'''
Author: LetMeFly
Date: 2025-05-27 23:28:05
LastEditors: LetMeFly.xyz
LastEditTime: 2025-05-27 23:40:11
'''
from typing import Listclass Solution:def maximumValueSum(self, nums: List[int], k: int, edges: List[List[int]]) -> int:odd, even = -100000000000000, 0for t in nums:odd, even = max(odd + t, even + (t ^ k)), max(even + t, odd + (t ^ k))return even
Java
/** @Author: LetMeFly* @Date: 2025-05-27 23:28:05* @LastEditors: LetMeFly.xyz* @LastEditTime: 2025-05-27 23:45:06*/
class Solution {public long maximumValueSum(int[] nums, int k, int[][] edges) {long even = 0, odd = -1000000000000000L;  // 记得带“L”for (int t : nums) {long newO = Math.max(odd + t, even + (t ^ k));long newE = Math.max(even + t, odd + (t ^ k));odd = newO;even = newE;}return even;}
}
Go
/** @Author: LetMeFly* @Date: 2025-05-27 23:28:05* @LastEditors: LetMeFly.xyz* @LastEditTime: 2025-05-27 23:49:20*/
package mainfunc maximumValueSum(nums []int, k int, edges [][]int) int64 {odd, even := int64(-10000000000000000), int64(0)  // -1...0也可能是intfor _, t := range nums {odd, even = max(odd + int64(t), even + int64(t ^ k)), max(even + int64(t), odd + int64(t ^ k))}return even
}

同步发文于CSDN和我的个人博客,原创不易,转载经作者同意后请附上原文链接哦~

千篇源码题解已开源

相关文章:

LeetCode 3068.最大节点价值之和:脑筋急转弯+动态规划(O(1)空间)

【LetMeFly】3068.最大节点价值之和&#xff1a;脑筋急转弯动态规划&#xff08;O(1)空间&#xff09; 力扣题目链接&#xff1a;https://leetcode.cn/problems/find-the-maximum-sum-of-node-values/ 给你一棵 n 个节点的 无向 树&#xff0c;节点从 0 到 n - 1 编号。树以长…...

2.2HarmonyOS NEXT高性能开发技术:编译优化、内存管理与并发编程实践

HarmonyOS NEXT高性能开发技术&#xff1a;编译优化、内存管理与并发编程实践 在HarmonyOS NEXT全场景设备开发中&#xff0c;高性能是跨端应用体验的核心保障。本章节聚焦ArkCompiler编译优化、内存管理工具及多线程并发编程三大技术模块&#xff0c;结合实战案例解析底层实现…...

BLIP-2

目录 摘要 Abstract BLIP-2 模型框架 预训练策略 模型优势 应用场景 实验 代码 总结 摘要 BLIP-2 是一种基于冻结的图像编码器和大型语言模型的高效视觉语言预训练模型&#xff0c;由 Salesforce 研究团队提出。它在 BLIP 的基础上进一步优化&#xff0c;通过轻量级…...

【Go-6】数据结构与集合

6. 数据结构与集合 数据结构是编程中用于组织和存储数据的方式&#xff0c;直接影响程序的效率和性能。Go语言提供了多种内置的数据结构&#xff0c;如数组、切片、Map和结构体&#xff0c;支持不同类型的数据管理和操作。本章将详细介绍Go语言中的主要数据结构与集合&#xf…...

支持向量机(SVM)例题

对于图中所示的线性可分的20个样本数据&#xff0c;利用支持向量机进行预测分类&#xff0c;有三个支持向量 A ( 0 , 2 ) A\left(0, 2\right) A(0,2)、 B ( 2 , 0 ) B\left(2, 0\right) B(2,0) 和 C ( − 1 , − 1 ) C\left(-1, -1\right) C(−1,−1)。 求支持向量机分类器的线…...

SQL中各个子句的执行顺序

select、from、 join、where、order by、group by、having、limit 解释 1) FROM (确定数据源) 查询的执行首先从FROM子句开始&#xff0c;确定数据的来源(表、视图、连接等)。 2) JOIN (如果有JOIN操作) 在FROM子句之后&#xff0c;SQL引擎会执行连接操作(JOIN)&#xff0c…...

PHP下实现RSA的加密,解密,加签和验签

前言&#xff1a; RSA下加密&#xff0c;解密&#xff0c;加签和验签是四种不同的操作&#xff0c;有时候会搞错&#xff0c;记录一下。 1.公钥加密&#xff0c;私钥解密 发送方通过公钥将原数据加密成一个sign参数&#xff0c;相当于就是信息的载体&#xff0c;接收方能通过si…...

本地部署消息代理软件 RabbitMQ 并实现外部访问( Windows 版本 )

RabbitMQ 是由 Erlang 语言开发的 消息中间件&#xff0c;是一种应用程序之间的通信方法。支持多种编程和语言和协议发展&#xff0c;用于实现分布式系统的可靠消息传递和异步通信等方面。 本文将详细介绍如何在 Windows 系统本地部署 RabbitMQ 并结合路由侠实现外网访问本…...

每日c/c++题 备战蓝桥杯(P2240 【深基12.例1】部分背包问题)

P2240 【深基12.例1】部分背包问题 - 详解与代码实现 一、题目概述 阿里巴巴要在承重为 T 的背包中装走尽可能多价值的金币&#xff0c;共有 N 堆金币&#xff0c;每堆金币有总重量和总价值。金币可分割&#xff0c;且分割后单位价格不变。目标是求出能装走的最大价值。 二、…...

Java异步编程:CompletionStage接口详解

CompletionStage 接口分析 接口能力概述 CompletionStage 是 Java 8 引入的接口&#xff0c;用于表示异步计算的一个阶段&#xff0c;它提供了强大的异步编程能力&#xff1a; ​​链式异步操作​​&#xff1a;允许将一个异步操作的结果传递给下一个操作​​组合操作​​&a…...

Java后端接受前端数据的几种方法

在前后端分离的开发模式中&#xff0c;前端&#xff08;Vue&#xff09;与后端&#xff08;Java&#xff09;的数据交互有多种格式&#xff0c;下面详细介绍几种常见的格式以及后端对应的接收方式。 一、JSON 格式 前端传输 在 Vue 里&#xff0c;可借助 axios 把数据以 JSO…...

Oracle OCP认证的技术定位怎么样?

一、引言&#xff1a;Oracle OCP认证的技术定位​ Oracle Certified Professional&#xff08;OCP&#xff09;认证是数据库领域含金量最高的国际认证之一&#xff0c;其核心价值在于培养具备企业级数据库全生命周期管理能力的专业人才。随着数字化转型加速&#xff0c;OCP认证…...

powershell7.5@.net环境@pwsh7.5在部分windows10系统下的运行问题

文章目录 powershell7.5及更高版本和.net 9解决方案 powershell7.5及更高版本和.net 9 相对较新的.Net 9版本在老一些的windows10系统上(比如内核版本号:10.0.19044.1288以及之前的),由于默认启用了CET,导致编译运行失败,需要自己在项目中添加关闭CET的配置语句才能够顺利编译…...

基于微信小程序的垃圾分类系统

博主介绍&#xff1a;java高级开发&#xff0c;从事互联网行业六年&#xff0c;熟悉各种主流语言&#xff0c;精通java、python、php、爬虫、web开发&#xff0c;已经做了六年的毕业设计程序开发&#xff0c;开发过上千套毕业设计程序&#xff0c;没有什么华丽的语言&#xff0…...

CSS3 渐变、阴影和遮罩的使用

全文目录&#xff1a; 开篇语**前言****1. CSS3 渐变 (Gradient)****1.1 线性渐变 (linear-gradient)****1.2 径向渐变 (radial-gradient)** **2. CSS3 阴影 (Shadow)****2.1 盒子阴影 (box-shadow)****2.2 文本阴影 (text-shadow)** **3. CSS3 遮罩 (Mask)****3.1 基本遮罩 (m…...

Spring Boot 全局配置文件优先级

好的&#xff0c;Spring Boot的全局配置文件优先级是一个非常重要的概念&#xff0c;它决定了在不同位置的同名配置属性以哪个为准。 Spring Boot 全局配置文件优先级核心知识点 &#x1f4cc; 文件格式优先级: 在同一目录下&#xff0c;如果同时存在 application.properties 和…...

流媒体基础解析:视频清晰度的关键因素

在视频处理的过程中&#xff0c;编码解码及码率是影响视频清晰度的关键因素。今天&#xff0c;我们将深入探讨这些概念&#xff0c;并解析它们如何共同作用于视频质量。 编码解码概述 编码&#xff0c;简单来说&#xff0c;就是压缩。视频编码的目的是将原始视频数据压缩成较…...

grid网格布局

使用flex布局的痛点 如果使用justify-content: space-between;让子元素两端对齐&#xff0c;自动分配中间间距&#xff0c;假设一行4个&#xff0c;如果每一行都是4的倍数那没任何问题&#xff0c;但如果最后一行是2、3个的时候就会出现下面的状况&#xff1a; /* flex布局 两…...

C#数字金额转中文大写金额:代码解析

C#数字金额转中文大写金额&#xff1a;代码解析 在金融相关的业务场景中&#xff0c;我们常常需要将数字金额转换为中文大写金额&#xff0c;以避免金额被篡改&#xff0c;增加金额的准确性和安全性。本文将深入解析一段 C# 代码&#xff0c;这段代码通过巧妙的设计&#xff0…...

Vehicle HAL(2)--Vehicle HAL 的启动

目录 1. VehicleService-main 函数分析 2. 构建EmulatedVehicleHal 2.1 EmulatedVehicleHal::EmulatedVehicleHal(xxx) 2.2 EmulatedVehicleHal::initStaticConfig() 2.3 EmulatedVehicleHal::onPropertyValue() 3. 构建VehicleEmulator 4. 构建VehicleHalManager (1)初…...

JS中的函数防抖和节流:提升性能的关键技术

在JavaScript开发中&#xff0c;函数防抖和节流是两种常用的优化技术&#xff0c;用于处理那些可能会被频繁触发的事件&#xff0c;如resize、scroll、mousemove等。本文将详细介绍函数防抖和节流的概念、实现方法以及它们之间的区别。 一、什么是函数防抖和节流&#xff1f; …...

Android Compose开发架构选择指南:单Activity vs 多Activity

简介 掌握Jetpack Compose的Activity架构选择,是构建高性能、易维护Android应用的关键一步。在2025年的Android开发领域,随着Jetpack Compose的成熟和Android系统对多窗口模式的支持,开发者面临架构选择时需要更加全面地考虑各种因素。本文将深入探讨单Activity架构和多Act…...

【Netty系列】Reactor 模式 1

目录 一、Reactor 模式的核心思想 二、Netty 中的 Reactor 模式实现 1. 服务端代码示例 2. 处理请求的 Handler 三、运行流程解析&#xff08;结合 Reactor 模式&#xff09; 四、关键点说明 五、与传统模型的对比 六、总结 Reactor 模式是 Netty 高性能的核心设计思想…...

vue3 el-input type=“textarea“ 字体样式 及高度设置

在Vue 3中&#xff0c;如果你使用的是Element Plus库中的<el-input>组件作为文本域&#xff08;type"textarea"&#xff09;&#xff0c;你可以通过几种方式来设置字体样式和高度。 1. 直接在<el-input>组件上使用style属性 你可以直接在<el-input&…...

并发解析hea,转为pdf格式

由于每次解析一个heap需要时间有点久&#xff0c;就写了一个自动解析程pdf的一个脚本。 down_lib.sh是需要自己写的哦&#xff0c;主要是用于下载自己所需程序的库&#xff0c;用于解析heap。 #!/bin/bash# 优化版通用解析脚本&#xff08;并发加速&#xff09;&#xff1a;批…...

【C语言】详解 指针

前言&#xff1a; 在学习指针前&#xff0c;通过比喻的方法&#xff0c;让大家知道指针的作用。 想象一下&#xff0c;你在一栋巨大的图书馆里找一本书。如果没有书架编号和目录&#xff0c;这几乎是不可能完成的任务。 在 C 语言中&#xff0c;指针就像是图书馆的索引系统&…...

RabbitMQ仲裁队列高可用架构解析

#作者&#xff1a;闫乾苓 文章目录 概述工作原理1.节点之间的交互2.消息复制3.共识机制4.选举领导者5.消息持久化6.自动故障转移 集群环境节点管理仲裁队列增加集群节点重新平衡仲裁队列leader所在节点仲裁队列减少集群节点 副本管理add_member 在给定节点上添加仲裁队列成员&…...

刚出炉热乎的。UniApp X 封装 uni.request

HBuilder X v4.66 当前最新版本 由于 uniapp x 使用的是自己包装的 ts 语言 uts。目前语言还没有稳定下来&#xff0c;各种不支持 ts 各种报错各种不兼容问题。我一个个问题调通的&#xff0c;代码如下&#xff1a; 封装方法 // my-app/utils/request.uts const UNI_APP_BASE…...

Apache Kafka 实现原理深度解析:生产、存储与消费全流程

Apache Kafka 实现原理深度解析&#xff1a;生产、存储与消费全流程 引言 Apache Kafka 作为分布式流处理平台的核心&#xff0c;其高吞吐、低延迟、持久化存储的设计使其成为现代数据管道的事实标准。本文将从消息生产、持久化存储、消息消费三个阶段拆解 Kafka 的核心实现原…...

Python 训练营打卡 Day 41

简单CNN 一、数据预处理 在图像数据预处理环节&#xff0c;为提升数据多样性&#xff0c;可采用数据增强&#xff08;数据增广&#xff09;策略。该策略通常不改变单次训练的样本总数&#xff0c;而是通过对现有图像进行多样化变换&#xff0c;使每次训练输入的样本呈现更丰富…...