comments: true difficulty: 简单 edit_url: https://github.com/doocs/leetcode/edit/main/lcci/17.16.The Masseuse/README.md
面试题 17.16. 按摩师
题目描述
一个有名的按摩师会收到源源不断的预约请求,每个预约都可以选择接或不接。在每次预约服务之间要有休息时间,因此她不能接受相邻的预约。给定一个预约请求序列,替按摩师找到最优的预约集合(总预约时间最长),返回总的分钟数。
注意:本题相对原题稍作改动
示例 1:
输入: [1,2,3,1] 输出: 4 解释: 选择 1 号预约和 3 号预约,总时长 = 1 + 3 = 4。
示例 2:
输入: [2,7,9,3,1] 输出: 12 解释: 选择 1 号预约、 3 号预约和 5 号预约,总时长 = 2 + 9 + 1 = 12。
示例 3:
输入: [2,1,4,5,3,1,1,3] 输出: 12 解释: 选择 1 号预约、 3 号预约、 5 号预约和 8 号预约,总时长 = 2 + 4 + 3 + 3 = 12。
解法
方法一:动态规划
我们定义状态 f[i]f[i] 表示考虑前 ii 个预约,且第 ii 个预约被接受的情况下,最长的预约时长;定义状态 g[i]g[i] 表示考虑前 ii 个预约,且第 ii 个预约被拒绝的情况下,最长的预约时长。
考虑第 ii 个预约,如果第 ii 个预约被接受,那么第 i−1i-1 个预约一定不能被接受,即 f[i]=g[i−1]+nums[i]f[i]=g[i-1]+nums[i];如果第 ii 个预约被拒绝,那么第 i−1i-1 个预约可以被接受,也可以被拒绝,即 g[i]=max(f[i−1],g[i−1])g[i]=max(f[i-1],g[i-1])。
所以,我们可以写出状态转移方程:
f[i]=g[i−1]+nums[i]g[i]=max(f[i−1],g[i−1])\begin{aligned} f[i] &= g[i-1]+nums[i] \\ g[i] &= max(f[i-1],g[i-1]) \end{aligned}
最终的答案即为 max(f[n−1],g[n−1])max(f[n-1],g[n-1]),其中 nn 为预约的数量。
我们可以将空间复杂度优化至 O(1)O(1),即使用两个变量 ff 和 gg 来代替数组 ff 和 gg。
Python3
class Solution:
def massage(self, nums: List[int]) -> int:
f = g = 0
for x in nums:
f, g = g + x, max(f, g)
return max(f, g)
Java
class Solution {
public int massage(int[] nums) {
int f = 0, g = 0;
for (int x : nums) {
int ff = g + x;
int gg = Math.max(f, g);
f = ff;
g = gg;
}
return Math.max(f, g);
}
}
C++
class Solution {
public:
int massage(vector<int>& nums) {
int f = 0, g = 0;
for (int& x : nums) {
int ff = g + x;
int gg = max(f, g);
f = ff;
g = gg;
}
return max(f, g);
}
};
Go
func massage(nums []int) int {
f, g := 0, 0
for _, x := range nums {
f, g = g+x, max(f, g)
}
return max(f, g)
}
TypeScript
function massage(nums: number[]): number {
let f = 0,
g = 0;
for (const x of nums) {
const ff = g + x;
const gg = Math.max(f, g);
f = ff;
g = gg;
}
return Math.max(f, g);
}
Swift
class Solution {
func massage(_ nums: [Int]) -> Int {
var f = 0
var g = 0
for x in nums {
let ff = g + x
let gg = max(f, g)
f = ff
g = gg
}
return max(f, g)
}
}