• LeetCode 0799. 香槟塔


    【LetMeFly】799.香槟塔

    力扣题目链接:https://leetcode.cn/problems/champagne-tower/

    我们把玻璃杯摆成金字塔的形状,其中 第一层 有 1 个玻璃杯, 第二层 有 2 个,依次类推到第 100 层,每个玻璃杯 (250ml) 将盛有香槟。

    从顶层的第一个玻璃杯开始倾倒一些香槟,当顶层的杯子满了,任何溢出的香槟都会立刻等流量的流向左右两侧的玻璃杯。当左右两边的杯子也满了,就会等流量的流向它们左右两边的杯子,依次类推。(当最底层的玻璃杯满了,香槟会流到地板上)

    例如,在倾倒一杯香槟后,最顶层的玻璃杯满了。倾倒了两杯香槟后,第二层的两个玻璃杯各自盛放一半的香槟。在倒三杯香槟后,第二层的香槟满了 - 此时总共有三个满的玻璃杯。在倒第四杯后,第三层中间的玻璃杯盛放了一半的香槟,他两边的玻璃杯各自盛放了四分之一的香槟,如下图所示。

    现在当倾倒了非负整数杯香槟后,返回第 ij 个玻璃杯所盛放的香槟占玻璃杯容积的比例( ij 都从0开始)。

     

    示例 1:
    输入: poured(倾倒香槟总杯数) = 1, query_glass(杯子的位置数) = 1, query_row(行数) = 1
    输出: 0.00000
    解释: 我们在顶层(下标是(0,0))倒了一杯香槟后,没有溢出,因此所有在顶层以下的玻璃杯都是空的。
    
    示例 2:
    输入: poured(倾倒香槟总杯数) = 2, query_glass(杯子的位置数) = 1, query_row(行数) = 1
    输出: 0.50000
    解释: 我们在顶层(下标是(0,0)倒了两杯香槟后,有一杯量的香槟将从顶层溢出,位于(1,0)的玻璃杯和(1,1)的玻璃杯平分了这一杯香槟,所以每个玻璃杯有一半的香槟。
    

    示例 3:

    输入: poured = 100000009, query_row = 33, query_glass = 17
    输出: 1.00000
    

     

    提示:

    • 0 <= poured <= 109
    • 0 <= query_glass <= query_row < 100

    方法一:动态规划

    开辟一个大小为 d p [ 100 ] [ 100 ] dp[100][100] dp[100][100]的二维数组

    其中 d p [ i ] [ j ] dp[i][j] dp[i][j]代表第 i i i行第 j j j列玻璃杯的香槟接收量(下标从 0 0 0开始)

    这样,我们就很容易得到状态转移方程

    d p [ i ] [ j ] = ( d p [ i − 1 ] [ j − 1 ] − 1 ) / 2 + ( d p [ i − 1 ] [ j ] − 1 ) / 2 dp[i][j] = (dp[i - 1][j - 1] - 1) / 2 + (dp[i - 1][j] - 1) / 2 dp[i][j]=(dp[i1][j1]1)/2+(dp[i1][j]1)/2(注意边界条件、是否为负)

    也就是说,上层玻璃杯在自己盛满(-1)的情况下,会有一半溢到当前玻璃杯中。

    最终返回 d p [ q u e r y r o w ] [ q u e r y g l a s s ] dp[query_row][query_glass] dp[queryrow][queryglass]即为答案。

    • 时间复杂度 O ( q e u r y r o w × q u e r y g l a s s ) O(qeury_row\times query_glass) O(qeuryrow×queryglass)
    • 空间复杂度 O ( q u e r y r o w × q u e r y g l a s s ) O(query_row\times query_glass) O(queryrow×queryglass)(也可以不开辟大小为 100 × 100 100\times100 100×100的空间,而仅仅开辟大小为 q u e r y r o w × q u e r y g l a s s query_row\times query_glass queryrow×queryglass的空间,这样空间复杂度就变成了 q u e r y r o w × q u e r y g l a s s query_row\times query_glass queryrow×queryglass

    优化:当前这一层的状态之和上一层有关,因此,我们可以只开辟两个一维数组,只存放当前和上一行的状态。这样空间复杂度就变成了 O ( m a x ( q u e r y r o w , q u e r y g l a s s ) ) O(max(query_row, query_glass)) O(max(queryrow,queryglass))

    AC代码

    C++
    class Solution {
    public:
        double champagneTower(int poured, int query_row, int query_glass) {
            double glass[100][100];
            glass[0][0] = poured;
            for (int i = 1; i <= query_row; i++) {
                for (int j = 0; j <= query_glass; j++) {
                    if (j == 0) {
                        glass[i][j] = max((double)0, (glass[i - 1][j] - 1) / 2);
                    }
                    else {
                        glass[i][j] = max((double)0, (glass[i - 1][j] - 1) / 2) + max((double)0, (glass[i - 1][j - 1] - 1) / 2);
                    }
                }
            }
            return min((double)1, glass[query_row][query_glass]);
        }
    };
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18

    运行结果还不错

    result

    同步发文于CSDN,原创不易,转载请附上原文链接哦~
    Tisfy:https://letmefly.blog.csdn.net/article/details/127946948

  • 相关阅读:
    卡尔曼滤波算法的五大核心公式含义
    Elastic Stack容器化部署拓展(Https、AD域集成)并收集Cisco设备的日志信息
    企业如何落地搭建商业智能BI系统
    pcl --- 如何估计点云中的表面法线
    【8. 调度算法】
    搭建高可用k8s
    线稿图视频制作补充(调整视频亮度、对比度;删除无用文件)
    JavaWeb项目规范开发流程详细分解
    【K8S】学习笔记(二)
    【Java】多线程-单例模式/volatile-指令重排序
  • 原文地址:https://blog.csdn.net/Tisfy/article/details/127946948