目录
动态规划怎么学？
学习一个算法没有捷径，更何况是学习动态规划，
跟我一起刷动态规划算法题，一起学会动态规划！
1. 题目解析
题目链接：740. 删除并获得点数 - 力扣（Leetcode）
这道题比较抽象，我就拿他给的样例举例子吧，
如果选择 3，就需要把 4 和 2 都删除，那么点数就是 3
如果选择 2，就需要把 1 和 3 都删除，那么继续选择 4 ，需要把 3 和 5 删除，
最后点数加在一起就是 2 + 4 = 6，最大点数是 6 所以返回 6。
同理，第二个示例：
还是两种情况，选 2，4，或者选 3。
注意是选择一个数之后，这数 + 1 和 - 1 就会被删除。
实际上，这道题如果直接做的话并不好做，
我们可以对他进行一些预处理的操作，来转化成我们熟悉的问题：
这里我还是用题目给的示例演示：
我们通过下标对应点数的形式，转化出一个新数组：
比如说，原数组从 2 开始，那点数数组下标为 2 的位置就是点数 2 + 2 = 4，
然后下标为 3 的位置点数就是 3 + 3 = 6，下标为 4 的位置点数就是 4 。
这样做，就能把这个问题转化成打家劫舍的问题了：相邻的下标不能同时选择。
2. 算法原理
1. 状态表示
然后这个问题就有两种情况，：
f [ i ] 表示选到 i 位置的时候，nums[ i ] 选，此时能得到的最大点数
g [ i ] 表示选到 i 位置的时候，nums[ i ] 不选，此时能得到的最大点数
2. 状态转移方程
所以状态转移方程也有两个，
选 i 位置，就是nums[ i ] + 不选 i - 1 位置的情况：f [ i ] = g[ i - 1 ] + nums[ i ]
g[ i ] = max( f [ i - 1 ]，g[ i - 1 ] )
3. 初始化
f [ 0 ] = nums[ 0 ]，g[ 0 ] = 0。
4. 填表顺序
从左往右
5. 返回值
max( f [ n - 1 ]，g[ n - 1 ] )
3. 代码编写
class Solution {
public:
int deleteAndEarn(vector<int>& nums) {
sort(nums.begin(), nums.end());
vector<int> dp(nums[nums.size() - 1] + 1);
for(auto e : nums) dp[e] += e;
int n = dp.size();
vector<int> f(n);
auto g = f;
f[0] = dp[0];
for(int i = 1; i < n; i++) {
f[i] = g[i - 1] + dp[i];
g[i] = max(f[i - 1], g[i - 1]);
}
return max(f[n - 1], g[n - 1]);
}
};写在最后：
以上就是本篇文章的内容了，感谢你的阅读。
如果感到有所收获的话可以给博主点一个赞哦。
如果文章内容有遗漏或者错误的地方欢迎私信博主或者在评论区指出~