本文共 3039 字，大约阅读时间需要 10 分钟。

目录

T1. 5495. 圆形赛道上经过次数最多的扇区

直接暴力模拟即可，注意圆环有一个开闭区间的问题，还有最后的一个数会没有被计数上，要单独判断。

T2. 5496. 你可以获得的最大硬币数目

这一题先排序，然后找出每隔两个找出需要获得的硬币数量相加，贪心的想法。

T3. 5497. 查找大小为 M 的最新分组

这题找长度恰好为 1 的子数组其实可以借鉴一下这一题的思想：

T4. 5498. 石子游戏 V

石子问题没有搞过，看大佬的题解吧！！经典的DP问题啊

T1. 5495. 圆形赛道上经过次数最多的扇区

直接暴力模拟即可，注意圆环有一个开闭区间的问题，还有最后的一个数会没有被计数上，要单独判断。

你可以尝试如下方法：

注意事项：

• 开闭区间导致最后一个数被漏判，因此需要额外判断。
• 确保遍历所有可能的扇区组合。

T2. 5496. 你可以获得的最大硬币数目

这一题先排序，然后找出每隔两个找出需要获得的硬币数量相加，贪心的思想。

具体步骤如下：

优化提示：

• 排序后的数组确保每次选择硬币都是最优选择。
• 记录累加的起始位置，避免重复计算。

实现代码如下：

sort(piles.begin(), piles.end());int ans = 0;if (piles.size() == 3) return piles[1];for (int i = piles.size() - 2; i > piles.size() / 3 - 1; i -= 2) {    ans += piles[i];}return ans;

T3. 5497. 查找大小为 M 的最新分组

这题找长度恰好为 1 的子数组其实可以借鉴一下这一题的思想：

具体方法：

优化思路：

• 渐进式调整窗口，避免超出时间复杂度。
• 使用双指针技巧，高效地解决边界问题。
• 最后挑选长度为 1 的子数组，确保符合题意。

实现代码如下：

int findLatestStep(vector
   
     &arr, int m) {    int n = arr.size();    if (n == m) return n;    map
    
      mp;    mp[0] = n;    for (int i = n - 1; i >= 0; --i) {        int x = arr[i] - 1;        auto it = prev(mp.upper_bound(x));        int l = it->first, r = it->second;        if (l < x) {            if (x - l == m) return i;            mp[l] = x;        }        if (r > x + 1) {            if (r - x - 1 == m) return i;            mp[x + 1] = r;        }    }    return -1;}
    
   

T4. 5498. 石子游戏 V

石子问题没有搞过，看大佬的题解吧！！经典的DP问题啊

作者提供的解决方案：

int stoneGameV(int[] stoneValue) {    int n = stoneValue.length;    int[] sum = new int[n];    sum[0] = stoneValue[0];    for (int i = 1; i < n; i++) {        sum[i] = sum[i - 1] + stoneValue[i];    }    int[][] dp = new int[n][n];    for (int i = 0; i < n; i++) {        for (int j = 0; j + i < n; j++) {            int left = j;            int right = j + i;            int max = 0;            for (int mid = left; mid < right; mid++) {                int sumleft = getsum(sum, left, mid);                int sumright = getsum(sum, mid + 1, right);                if (sumleft < sumright) {                    max = Math.max(max, sumleft + dp[left][mid]);                } else if (sumleft > sumright) {                    max = Math.max(max, sumright + dp[mid + 1][right]);                } else {                    max = Math.max(max, sumleft + dp[left][mid]);                    max = Math.max(max, sumright + dp[mid + 1][right]);                }            }            dp[left][right] = max;        }    }    return dp[0][n - 1];}int getsum(int[] sum, int left, int right) {    if (left == 0) {        return sum[right];    }    return sum[right] - sum[left - 1];}

最终收益：

• 时间复杂度：O(n^3)
• 空间复杂度：O(n^2)
• 提供一步步的详细解释，确保每一步的可行性

总结：-Dynamic Programming（动态规划）是一种强大的工具，适用于需要分治和递归关系的问题。