leetcode740 删除与获得点数 回溯到DP的问题转化
暴力法没有什么技术含量，但暴力法包含着我们对解空间最基本但认识。不管什么题目，还是习惯最先用暴力的思路考虑一遍，再去考虑优化方式。
//最终结果
int an = 0;
//路径计数 int tar = 0; public int deleteAndEarn(int[] nums) { tar=nums.length; for (int i = 0; i < nums.length; i++) { Set<Integer> flags = new HashSet<Integer>(); Map<Integer, Integer> disables = new HashMap<Integer, Integer>(); delete(nums, i, flags, disables, 0); } return an; } public void delete(int[] nums, int flag, Set<Integer> flags, Map<Integer, Integer> disables, int re) { if (tar == flags.size()) { an = an > re ? an : re; tar= nums.length; return; } if(flags.contains(flag) ){ return; } if ( (disables.containsKey(nums[flag] + 1) && disables.get(nums[flag] + 1) > 0 || (disables.containsKey(nums[flag] - 1) && disables.get(nums[flag] - 1) > 0))) { tar--; return; } flags.add(flag); if (!disables.containsKey(nums[flag])) { disables.put(nums[flag], 1); } else { disables.put(nums[flag], disables.get(nums[flag]) + 1); } for (int i = 0; i < nums.length; i++) { delete(nums, i, flags, disables, re + nums[flag]); } disables.put(nums[flag], disables.get(nums[flag]) - 1); flags.remove(flag); }
是否可以用分治法的关键在于，将问题递归的分解为定义相同但规模更小的子问题后，原问题的解是否可以由子问题的解表示。
因此使用回溯算法暴力求解的题目很让人头痛。回溯就代表着，递归结构中下一步操作不仅依赖上一步操作的结果，还依赖上一步操作对周遭环境产生
的副作用。每一步的求解都会对周围环境产生副作用，这意味着在该情况下建立缓存非常困难。缓存的坐标不仅有入参，还必须包含环境的状态。
就比如回溯算法的典型八皇后，并没有相应的 分治或 dp 解法。
因此如果暴力解法包含回溯操作，想要依靠分治法降低时间复杂度，就必须尝试重新定义问题，将问题的求解对环境产生的副作用转移到问题与子问题的转移关系中。
将副作用转移到状态转移关系中听起来很模糊，以本题为例：
细想本题回溯过程中产生的副作用：用过的元素决定着哪些元素不可使用，因此需要记录用过哪些元素。
使用元素的互斥关系为不能同时使用相邻的元素，因为数组不是顺序排列的，所以必须记录下来使用了哪些元素。
如果元素是顺序排列的，那么可以通过求最值的方式将副作用转移到状态转移方程中。在使用第 n 个元素时，可能使用了第 n-2 个元素，也可能使用了第
n-3 个元素。这两种情况可以覆盖使用第 n 个元素获取最大点数的所有情况。
nums 为排序后的源数组，并对相同项进行了合并。设 G(n) 为以第 n 个元素结尾可拿到的最大点数。从 0 ~ nums.length-1 可以覆盖解空间。
G(n) = max{ G(n-2)+nums[n],G(n-3)+nums[n] } + nums[n]
n=0,1,2 时问题回归。
DP 算法：
LinkedList<Node> list = new LinkedList<Node>(); Map<Integer, Node> map = new HashMap<Integer, Node>(); class Node { Node(int value) { this.value = value; this.num = 1; } int value; int num; } private final void insert(int value) { if (map.containsKey(value)) { Node node = map.get(value); node.num = node.num + 1; } else { Node node = new Node(value); map.put(value, node); list.add(node); } } private final void sortAndCombine(int[] nums) { for (int i = 0; i < nums.length; i++) { insert(nums[i]); } list.sort( new Comparator<Node>() { @Override public int compare(Node o1, Node o2) { return ((Integer) o1.value).compareTo(o2.value); } } ); } private final void addNull() { int length = list.size(); for (int i = 1; i < length; i++) { if ((list.get(i).value - list.get(i - 1).value) > 1) { Node node = new Node(getNode(i - 1) + 1); node.num = 0; list.add(i, node); length++; } } } public int delete1(List<Node> nums, int flag, Map<Integer, Integer> cache) { if (nums.size() == 0 || flag < 0) { return 0; } if (cache.containsKey(flag)) { return cache.get(flag); } if (flag == 0) { return getNode(0); } if (flag == 1) { return getNode(1); } if (flag == 2) { return getNode(0) + getNode(2); } int preTwo = delete1(nums, flag - 2, cache); int preThree = delete1(nums, flag - 3, cache); cache.put(flag, Math.max(preTwo, preThree) + getNode(flag)); return cache.get(flag); } private int getNode(int i) { Node node = list.get(i); return node.value * node.num; }
收获：
1. 因为问题是递归结构的，最大规模的问题必须可以覆盖解空间
2. 解决问题的函数不能产生函数副作用
3. 如果函数存在副作用，尝试重新定义问题。重新定义问题的首要任务是消除函数副作用。
4. 消除函数的副作用，一般需要在某些逻辑上做反转。比如选取变为不选取，比如无序变为有序。
将实现进一步优化：
public final int deleteAndEarn(int[] nums) { if(nums==null||nums.length==0){ return 0; } int max=0; for(int i=0;i<nums.length;i++){ max=Math.max(max,nums[i]); } int[] nums2=new int[max+1]; for(int num:nums){ nums2[num]++; } int[] dp=new int[nums2.length]; if(nums2.length==1){ return nums2[0]; } if(nums2.length==2){ return Math.max(nums2[0],nums2[1]); } if(nums2.length==3){ return Math.max(nums2[1],nums2[0]+nums2[2]); } dp[0]=nums2[0]; dp[1]=nums2[1]; dp[2]=nums2[0]+nums2[2]*2; int maxRe=0; for(int i=3;i<dp.length;i++){ dp[i]=Math.max(dp[i-2],dp[i-3])+nums2[i]*i; maxRe=Math.max(dp[i],maxRe); } return maxRe; }
