力扣解法汇总2383. 赢得比赛需要的最少训练时长
训练 需要 汇总 力扣 解法 比赛 最少 赢得
2023-09-11 14:18:52 时间
目录链接:
力扣编程题-解法汇总_分享+记录-CSDN博客
GitHub同步刷题项目:
原题链接:力扣
描述:
你正在参加一场比赛,给你两个 正 整数 initialEnergy
和 initialExperience
分别表示你的初始精力和初始经验。
另给你两个下标从 0 开始的整数数组 energy
和 experience
,长度均为 n
。
你将会 依次 对上 n
个对手。第 i
个对手的精力和经验分别用 energy[i]
和 experience[i]
表示。当你对上对手时,需要在经验和精力上都 严格 超过对手才能击败他们,然后在可能的情况下继续对上下一个对手。
击败第 i
个对手会使你的经验 增加 experience[i]
,但会将你的精力 减少 energy[i]
。
在开始比赛前,你可以训练几个小时。每训练一个小时,你可以选择将增加经验增加 1 或者 将精力增加 1 。
返回击败全部 n
个对手需要训练的 最少 小时数目。
示例 1:
输入:initialEnergy = 5, initialExperience = 3, energy = [1,4,3,2], experience = [2,6,3,1] 输出:8 解释:在 6 小时训练后,你可以将精力提高到 11 ,并且再训练 2 个小时将经验提高到 5 。 按以下顺序与对手比赛: - 你的精力与经验都超过第 0 个对手,所以获胜。 精力变为:11 - 1 = 10 ,经验变为:5 + 2 = 7 。 - 你的精力与经验都超过第 1 个对手,所以获胜。 精力变为:10 - 4 = 6 ,经验变为:7 + 6 = 13 。 - 你的精力与经验都超过第 2 个对手,所以获胜。 精力变为:6 - 3 = 3 ,经验变为:13 + 3 = 16 。 - 你的精力与经验都超过第 3 个对手,所以获胜。 精力变为:3 - 2 = 1 ,经验变为:16 + 1 = 17 。 在比赛前进行了 8 小时训练,所以返回 8 。 可以证明不存在更小的答案。
示例 2:
输入:initialEnergy = 2, initialExperience = 4, energy = [1], experience = [3] 输出:0 解释:你不需要额外的精力和经验就可以赢得比赛,所以返回 0 。
提示:
n == energy.length == experience.length
1 <= n <= 100
1 <= initialEnergy, initialExperience, energy[i], experience[i] <= 100
解题思路:
* 解题思路: * 要注意点是,每次计算出experience[i]和initialExperience的差值后,更新initialExperience的值时,需要计入击败的对手的经验值。 * 也就是 initialExperience = initialExperience + needexperience + experience[i];
代码:
public class Solution2383 {
public int minNumberOfHours(int initialEnergy, int initialExperience, int[] energy, int[] experience) {
int maxEnergy = 0;
int needexperience = 0;
int needexperienceSum = 0;
for (int i = 0; i < energy.length; i++) {
//精力累加
maxEnergy += energy[i];
//经验累加
if (initialExperience > experience[i]) {
initialExperience += experience[i];
} else {
needexperience = experience[i] - initialExperience + 1;
needexperienceSum += needexperience;
initialExperience = initialExperience + needexperience + experience[i];
}
}
return needexperienceSum + Math.max(0, maxEnergy - initialEnergy + 1);
}
}
相关文章
- NLP预训练模型 | 按时间线整理10种常见的预训练模型
- 深度学习模型训练
- 『NLP经典项目集』02:使用预训练模型ERNIE优化情感分析
- 智能车竞赛接入工程训练竞赛相关事项-建议稿件
- 基于SNN脉冲神经网络的Hebbian学习训练过程matlab仿真
- 改变网络输入图像分辨率需要不需要重新训练?
- NLP文本分类入门学习及TextCnn实践笔记——模型训练(三)
- Keras 单机多卡训练模型
- 预训练模型知识收集-持续更新
- caffe的python接口学习(3):训练模型(training)
- 水果数据集(Fruit-Dataset )+水果分类识别训练代码(支持googlenet, resnet, inception_v3, mobilenet_v2)
- ChatGPT 最新知识大全:工作原理,ChatGPT 是如何训练的,局限性是什么,开源 ChatGPT 替代品有哪些?
- MindSpore计算框架如何发布训练好的模型到官方模型仓库MindSpore_Hub上
- Pytorch实现动物识别(含动物数据集和训练代码)
- python基础技巧综合训练题2
- 试题 算法训练 摆动序列
- 【2023校招刷题】时序分析专题训练(下)分析计算
- 算法训练 5-1最小公倍数