请帮助我给我一些解决方法。我的想法是贪婪的方法。
问题是：
您在俄罗斯萨马拉（Samara）工作几天，每天都有每单位工作的新工资和每单位食物的新费用。工作1单位需要1单位能量，而吃1单位食物则要增加1单位能量。这里 以下是您的工作要求：
+您到达时一无所有，但精力充沛。您永远不会拥有比到达的能量更多的能量，而且它永远不会是负面的。
+您每天可以做任何数量的工作（可能根本不做任何工作），仅受您的精力限制。当能量为零时，您将无法工作。
+您每天可以吃任何数量的食物（可能根本没有任何食物），受您拥有的钱的限制。当您的钱为零时，您将无法吃饭。
+您可以在一天结束时吃东西，并且吃完饭后不能恢复工作。您可以在第二天恢复工作。 您的真实目标是带回尽可能多的钱。计算您可以带回家的最大金额。
例如，考虑一个3天的住宿，其中每天每单位工作的工资如下：收入= [1、2、4]。食物的成本是成本= [1、3、6]。您从e = 5能量单位开始。
*第一天：1个单位的工作价值1，1个单位的食品成本1.今天没有上班的经济诱因。
*第二天：每工作1单位可赚2，而每工作1单位的食品成本3，因此您吃的东西比总收入要多，因此这一天没有上班的经济诱因。
*第三天：您每工作一个单元可获得4个单元。今天的食物成本是无关紧要的，因为您要直接下班回家。您将所有精力都花在工作上，收取报酬：5 x 4 = 20单位 钱，不用买晚餐就回家。
功能说明 在下面的编辑器中完成函数calculateProfit。该函数必须返回一个整数，该整数表示在住宿结束后可以带回家的最大收入。
到目前为止，我的解决方案（需要改进）：
function calculateProfit(n, earning, cost, e) {
// Write your code here
let sum = 0
let ef = e;
let count = 0;
let max = 0;
for (let i = 0; i < n; i++){
if (i != n - 1) {
console.log("next day " + ef + " " + ef * earning[i + 1] + "--" + ef * cost[i]);
if (earning[i] > cost[i]) {
sum += ef * earning[i];
e = 0;
max = 0;
if (ef * earning[i + 1] > ef * cost[i] && sum > 0) {
//console.log(e);
sum -= ef * cost[i];
e = ef;
}
}
else {
count++;
max = Math.max(max, earning[i]);
}
}
else {//last day
if (earning[i] <= cost[i]) {
count++;
}
max = Math.max(max, earning[i]);
if (e > 0)
sum += ef * max;
}
console.log(i, "-", sum," max=",max);
}
console.log("count",count);
if (count == n) {
earning.sort();
sum = earning[n-1] * ef;
}
return sum;
}
答案 0 :(得分：0)
不幸的是，不同的日子不能分开考虑。考虑一个例子，其中劳动和食品在第一天都很昂贵，而第二天又便宜。显然，您将在第一天工作，然后在第二天进餐。
那么，我们该如何解决呢？具有动态程序。在每一天中，您必须做出两个选择：您工作多少，吃多少？一天结束时，您将获得一些总收入和一定的精力。该能量值只能在0和最大能量之间具有几个不同的值。
让我们将两个决策分开，并跟踪每个剩余能量水平的最大收益。假设E_afterWork(day: i, energy: e)是您在工作第i天和剩余能量e后可获得的最高收入。同样，E_afterEat(day: i, energy: e)是在i一天进餐后的最大收入。我们将持续跟踪这些值。最后，我们对E_afterWork(day: totalDays - 1, energy: 0)感兴趣。这就是我们剩下的钱。
第一天，我们可以立即将E_afterWork设置为：
E_afterWork(day: 0, energy: e) = earning[0] * (maxEnergy - e)
我们在所有能级上都这样做。
然后，我们必须逐渐更新E_afterEat和E_afterWork。这些是：
E_afterEat(day: i, energy: e) = maximum over possible previous energy pe (E_afterWork(day: i, energy: pe) - cost[i] * (e - pe))
我们必须检查所有小于或等于pe的{{1}}值，以及在哪里可以买得起的食物，即结果是否定的。后者应该自动完成，而无需做任何特别的事情。
我们在这里做什么？我们检查当天（下班后）所有可能的结局，并尝试吃不同量的食物。我们保留了使我们获得最大收益的选择（通过将收益计算为完成工作后的收益减去食品成本）。
现在，如何更新e？这实际上很简单：
E_afterWork这里的想法相同。
让我们举个例子：
E_afterWork(day: i, energy: e) = maximum over possible previous energy pe (E_afterEat(day: i-1, energy: pe) + earning[i] * (pe - e))
让我们初始化。我将用earning=[7, 2, 4]
cost=[7, 3, 6]
maxEnergy=5
缩写E_afterWork，用AW缩写E_afterEat：
AE现在更新e | AW(0, e)
--+----------
5 | 0
4 | 7
3 | 14
2 | 21
1 | 28
0 | 35
。对于第一个条目，我们将计算：
AE下一个工作日：
AE(0, 5) = min (0 - 0 * 7, 7 - 1 * 7, 14 - 2 * 7, 21 - 3 * 7, …) = 0
e | AW(0, e) AE(0, e)
--+--------------------
5 | 0 0
4 | 7 7
3 | 14 14
2 | 21 21
1 | 28 28
0 | 35 35
吃：
e | AW(0, e) AE(0, e) AW(1, e)
--+-----------------------------
5 | 0 0 0
4 | 7 7 7 = max(0 + 1 * 2, 7 + 0 * 2)
3 | 14 14 14 = max(0 + 2 * 2, 7 + 1 * 2, 14 + 0 * 2)
2 | 21 21 21
1 | 28 28 28
0 | 35 35 35
工作：
e | AW(0, e) AE(0, e) AW(1, e) AE(1, e)
--+---------------------------------------
5 | 0 0 0 20
4 | 7 7 7 23
3 | 14 14 14 26
2 | 21 21 21 29 = max(21 - 0 * 3, 28 - 1 * 3, 35 - 2 * 3)
1 | 28 28 28 32 = max(28 - 0 * 3, 35 - 1 * 3)
0 | 35 35 35 35
因此，在第一天工作，第二天进餐以及最后一天工作，您总共可以获得 40 。