Leet code1049 最后一块石头的重量II
1049 最后一块石头的重量II
【问题描述】
有一堆石头,用整数数组 stones 表示。其中 stones[i] 表示第 i 块石头的重量。
每一回合,从中选出任意两块石头,然后将它们一起粉碎。假设石头的重量分别为 x 和 y,且 x <= y。那么粉碎的可能结果如下:
- 如果
x == y,那么两块石头都会被完全粉碎; - 如果
x != y,那么重量为x的石头将会完全粉碎,而重量为y的石头新重量为y-x。
最后,最多只会剩下一块 石头。返回此石头 最小的可能重量 。如果没有石头剩下,就返回 0。
示例 1:
输入:stones = [2,7,4,1,8,1]
输出:1
解释:
组合 2 和 4,得到 2,所以数组转化为 [2,7,1,8,1],
组合 7 和 8,得到 1,所以数组转化为 [2,1,1,1],
组合 2 和 1,得到 1,所以数组转化为 [1,1,1],
组合 1 和 1,得到 0,所以数组转化为 [1],这就是最优值。
示例 2:
输入:stones = [31,26,33,21,40]
输出:5
【代码】:
class Solution {public int lastStoneWeightII(int[] stones) {int n = stones.length;int totalWeight = 0;//计算所有石头的总重量for (int stone : stones) {totalWeight += stone;}int target = totalWeight / 2;boolean[][] dp = new boolean[n][target + 1];dp[0][0] = true;if (stones[0] <= target) {dp[0][stones[0]] = true;}//状态转移for (int i = 1; i < n; i++) {for (int j = 0; j <= target; j++) {dp[i][j] = dp[i - 1][j];if (j >= stones[i]) {dp[i][j] = dp[i][j] || dp[i - 1][j - stones[i]];}}}int maxWeight = 0;for (int j = target; j >= 0; j--) {if (dp[n - 1][j]) {maxWeight = j;break;}}return totalWeight - 2 * maxWeight;}}
思路:
本题精髓就是转化为背包问题。
我们可以将石头分成两堆,假设为堆 A 和堆 B。我们的目标是使得两堆石头的重量差最小。我们可以将问题转化为在总重量不超过 totalWeight/2 的前提下,尽可能地选取石头放入堆 A。
我们定义一个二维数组 dp,其中 dp[i][j] 表示在前 i 个石头中选取一些石头,使得它们的总重量恰好为 j 是否可能。
对于每个石头 stones[i],我们有两种选择:选取它或者不选取它。如果我们选取了石头 stones[i],则有 dp[i][j] = dp[i-1][j-stones[i]],表示在前 i-1 个石头中选取一些石头,使得它们的总重量恰好为 j-stones[i] 是否可能。如果我们不选取石头 stones[i],则有 dp[i][j] = dp[i-1][j],表示在前 i-1 个石头中选取一些石头,使得它们的总重量恰好为 j 是否可能。
因此,状态转移方程为 dp[i][j] = dp[i-1][j] || dp[i-1][j-stones[i]],表示在前 i 个石头中选取一些石头,使得它们的总重量恰好为 j 是否可能。
最后,我们遍历最后一行 dp[n-1],找到最大的 j,使得 dp[n-1][j] 为 True。最后一块石头的重量为 totalWeight - 2*j。
最后,A堆的石子重量为:j。
B堆的石子重量为totalWeight - j
所以可得,abs(A-B) = totalWeight - 2 * j
而这个也正是最后无法合并,剩下的石子重量。
相关文章:
Leet code1049 最后一块石头的重量II
1049 最后一块石头的重量II 【问题描述】 有一堆石头,用整数数组 stones 表示。其中 stones[i] 表示第 i 块石头的重量。 每一回合,从中选出任意两块石头,然后将它们一起粉碎。假设石头的重量分别为 x 和 y,且 x < y。那么粉…...
Rust语法:变量,函数,控制流,struct
文章目录 变量可变与不可变变量变量与常量变量的Shadowing标量类型整数 复合类型 函数控制流if elseloop & whilefor in structstruct的定义Tuple Structstruct的方法与函数 变量 可变与不可变变量 Rust中使用let来声明变量,但是let声明的是不可变变量&#x…...
LVS简介及LVS-DR搭建
目录 一. LVS简介: 1.简介 2. LVS工作模式: 3. LVS调度算法: 4. LVS-DR集群介绍: 二.LVS-DR搭建 1.RS配置 1)两台RS,需要下载好httpd软件并准备好配置文件 2)添加虚拟IP(vip&…...
Java基础篇--日期时间类
目录 前言 Instant(时间戳)类 LocalData(日期)类 LocalTime(时间)类 LocalDataTime(日期时间)类 Duration(时间间隔)类 Period(日期间隔)类 Clock(获取时区)类 前言 在开发中经常需要处理日期和时间,Java提供…...
Vue生命周期函数 详解
以下是Vue生命周期函数的流程图和每个周期的代码详解: 流程图: beforeCreate -> created -> beforeMount -> mounted -> beforeUpdate -> updated -> beforeDestroy -> destroyed详解: beforeCreate: 触发时…...
判断链表有环的证明
目录 1.问题 2.证明 3.代码实现 1.问题 给你一个链表的头节点 head ,判断链表中是否有环。 如果链表中有某个节点,可以通过连续跟踪 next 指针再次到达,则链表中存在环。 为了表示给定链表中的环,评测系统内部使用…...
百度屏蔽词有哪些?其中就有移民关键词指数被屏蔽?
我是百收网SEO,点点上面的头像,欢迎关注我哦! 今日tombkeeper消息爆料:百度指数已经屏蔽“移民”等关键词指数。 大家好,我是百收网SEO商学院的狂潮微课老师,今天我们来讲解第 12 节课关键词优化难度分析…...
代码随想录day02
977.有序数组的平方 ● 力扣题目链接 ● 给你一个按 非递减顺序 排序的整数数组 nums,返回 每个数字的平方 组成的新数组,要求也按 非递减顺序 排序。 思路 ● 暴力排序,时间复杂度O(n nlogn) ● 使用双指针,时间复杂度O(n) …...
VR时代真的到来了?
业界对苹果的期待是,打造一台真正颠覆性的,给头显设备奠定发展逻辑底座的产品,而实际上,苹果只是发布了一台更强大的头显。 大众希望苹果回答的问题是“我为什么需要一台AR或者VR产品?”,但苹果回答的是“…...
docker run 命令转化为 docker-compose 工具
工作当中需要将 docker run 转换为更方便的 docker-compose 格式,可以使用下面的工具来完成。 转换工具:https://www.composerize.com/?utm_sourceappinn.com 使用介绍:https://www.appinn.com/composerize-for-docker-compose/...
php如何对接伪原创api
在了解伪原创api的各种应用形态之后,我们继续探讨智能写作背后的核心技术。需要说明的是,智能写作和自然语言生成、自然语言理解、知识图谱、多模算法等各类人工智能算法都有紧密的关联,在百度的智能写作实践中,常根据实际需求将多…...
设计模式行为型——模板模式
目录 模板模式的定义 模板模式的实现 模板模式角色 模板模式类图 模板模式举例 模板模式代码实现 模板模式的特点 优点 缺点 使用场景 注意事项 实际应用 模板模式的定义 模板模式(Template Pattern)属于行为型设计模式,又叫模版…...
12.Eclipse导入Javaweb项目
同事复制一份他的项目给我ekp.rar (懒得从SVN上拉取代码了)放在workspace1目录下 新建一个文件夹 workspace2,Eclipse切换到workspace2工作空间 选择Import导入 选择导入的项目(这里是放到workspace1里面) 拷贝一份到workspace2里面 例子 所有不是在自己电脑上开发…...
探索自动化网页交互的魔力:学习 Selenium 之旅【超详细】
"在当今数字化的世界中,网页自动化已经成为了不可或缺的技能。想象一下,您可以通过编写代码,让浏览器自动执行各种操作,从点击按钮到填写表单,从网页抓取数据到进行自动化测试。学习 Selenium,这一功能…...
css常用样式和不常用样式
文章目录 1、hover鼠标变小手2、ul去除点3、文字溢出显示省略号(1)一行文字溢出显示省略号(2)多行文字溢出显示省略号 4、文字单词超出(1)文字单词超出换行(word-wrap)(2…...
【小练习】交互式网格自定义增删改错误记录及解决(进行中)
经过之前的学习,已经能创建简单的交互式网格并设置自定义增删改按钮,但是实现上还是存在一些问题,来完善优化一下。 首先是修改,正常修改都会弹出修改框,里面是之前存储的信息,根据实际需要对其进行修改&a…...
云渲染效果不对?云渲染前的四个细节表明你的问题出在这里!
云渲染针对3D渲染行业,帮助本地电脑解决渲染慢的问题,大幅提高设计师的工作效率。但小编发现,有不少小伙伴在使用云渲染时,出现了渲染效果不对或丢失的问题,根据小伙伴们的问题和我们创意云云渲染平台给出的解决方案&a…...
翻转二叉树
声明 该系列文章仅仅展示个人的解题思路和分析过程,并非一定是优质题解,重要的是通过分析和解决问题能让我们逐渐熟练和成长,从新手到大佬离不开一个磨练的过程,加油! 原题链接 翻转二叉树备战技术面试?…...
检测新突破 | AlignDet:支持各类检测器自监督新框架(ICCV2023)
引言 论文链接:https://arxiv.org/abs/2307.11077 项目地址:https://github.com/liming-ai/AlignDet 这篇论文主要研究目标检测领域的自监督预训练方法。作者首先指出,当前主流的预训练-微调框架在预训练和微调阶段存在数据、模型和任务上的…...
03.Show and Tell
目录 前言泛读摘要IntroductionRelated Work小结 精读模型基于LSTM的句子生成器TrainingInference 实验评价标准数据集训练细节分数结果生成结果多样性讨论排名结果人工评价结果表征分析 结论 代码 前言 本课程来自深度之眼《多模态》训练营,部分截图来自课程视频。…...
KMS_VL_ALL_AIO开源激活工具:批量授权管理与本地服务部署的高效解决方案
KMS_VL_ALL_AIO开源激活工具:批量授权管理与本地服务部署的高效解决方案 【免费下载链接】KMS_VL_ALL_AIO Smart Activation Script 项目地址: https://gitcode.com/gh_mirrors/km/KMS_VL_ALL_AIO KMS_VL_ALL_AIO 是一款智能开源激活工具,专为解决…...
为什么你的Django微服务总在凌晨OOM?揭秘企业级Python内存生命周期管理的7个致命盲区
第一章:Django微服务OOM现象的典型特征与根因图谱Django微服务在容器化部署场景下频繁触发OOM Killer,往往并非源于单次请求的内存爆炸,而是由内存泄漏累积、异步任务失控、序列化反模式及ORM懒加载滥用等多因素交织所致。典型表现包括&#…...
嵌入式c语言——关键字3
嵌入式c语言——关键字3 structunion综合应用 嵌入式中常常涉及数据传输过程,用到开放封闭原则,即扩展开放修改封闭enum枚举类型指针类型 指针类型也被称为地址类型,圈定的内存用来存放地址编号...
软中断与硬中断核心区别解析
特性维度硬中断 (Hard Interrupt)软中断 (Soft Interrupt / SoftIRQ)触发源由硬件设备或CPU内部异常(如除零、缺页)产生,通过中断控制器(如APIC)向CPU发送电信号 。由运行中的程序(通常是内核代码ÿ…...
Pixel Aurora Engine 工业设计渲染:生成产品概念图与材质表现
Pixel Aurora Engine 工业设计渲染:生成产品概念图与材质表现 1. 工业设计渲染的新标杆 在工业设计领域,概念图的快速生成和材质表现一直是设计师面临的核心挑战。传统3D建模软件虽然功能强大,但学习曲线陡峭,渲染耗时漫长。而P…...
云容笔谈·东方红颜影像生成系统:剖析计算机组成原理与AI图像生成的底层关联
云容笔谈东方红颜影像生成系统:剖析计算机组成原理与AI图像生成的底层关联 你有没有想过,当你输入一段文字,AI就能为你生成一幅精美画作,这个过程和一台电脑运行程序有什么相似之处?今天,我们就来聊聊这个…...
用Flask+手机5分钟搭建临时测试服务器(Windows/Mac双平台教程)
5分钟搭建Flask移动端测试服务器:Windows与Mac双平台实战指南 每次在手机上预览网页效果都要反复上传到测试服务器?其实你的笔记本就能变身临时测试服务器。作为移动端开发者,我们经常需要快速验证页面在手机上的显示效果,而Flask…...
OFA图像描述新手入门:无需代码基础,快速搭建图像描述AI
OFA图像描述新手入门:无需代码基础,快速搭建图像描述AI 1. 什么是OFA图像描述系统? 想象一下,你拍了一张照片,系统能自动为你写出照片里有什么、发生了什么——这就是OFA图像描述系统能做的事情。这个AI工具特别适合…...
vllm部署DeepSeek-R1-Distill-Qwen-1.5B:高并发推理性能评测教程
vllm部署DeepSeek-R1-Distill-Qwen-1.5B:高并发推理性能评测教程 1. 模型介绍与部署价值 DeepSeek-R1-Distill-Qwen-1.5B是DeepSeek团队基于Qwen2.5-Math-1.5B基础模型,通过知识蒸馏技术打造的轻量化版本。这个模型在保持强大能力的同时,专…...
零基础玩转OpenClaw:Qwen3.5-9B镜像云端体验指南
零基础玩转OpenClaw:Qwen3.5-9B镜像云端体验指南 1. 为什么选择云端体验OpenClaw 作为一个长期在本地折腾AI工具的开发者,我完全理解新手面对环境配置时的恐惧。记得第一次尝试部署本地AI助手时,光是解决Python版本冲突就花了两天时间。直到…...
