【题目】
一条直线上有居民点,邮局只能建在居民点上。给定一个有序整型数组arr,每个值表示居民点的一维坐标,再给定一个正数num,表示邮局数量。选择num个居民点建立num个邮局,使得所有的居民点到邮局的总距离最短,返回最短的总距离。
【基本思路】
方法一。动态规划。首先解决一个问题,如果在arr[0…j]上只能建立一个邮局,最短总距离是多少?如果居民点有奇数个,邮局建在最中间的那个居民点可以使总距离最短,如果居民点有偶数个,中点有两个,邮局建在哪个都可以让总距离最短。可以根据这个思路计算上面的问题。
生成规模为N×M的矩阵w,w[i][j]表示如果在arr[i…j]上只能建立一个邮局,最短的总距离。w[i][j]的值可以通过如下计算得到:
w[i][j] = w[i][j-1] + arr[j] - arr[(i + j) / 2]
有了w矩阵后,接下来进行动态规划过程。假设dp[i][j]表示如果在arr[0…j]上建立i+1个邮局的最短总距离。所以dp[0][j]的值表示如果在arr[0…j]上建立一个邮局最短的总距离。很明显,就是w[0][j]。那么dp[0][0…N-1]上的所有值都可以直接用w[0][0…N-1]赋值。
当可以建立不止一个邮局时,情况如下:
1、前i-1个邮局负责arr[0],第i个邮局负责arr[1…j],总距离为dp[i-1][0] + w[1][j]
2、前i-1个邮局负责arr[0…1],第i个邮局负责arr[2…j],总距离为dp[i-1][1] + w[2][j]
3、前i-1个邮局负责arr[0…k],第i个邮局负责arr[k+1…j],总距离为dp[i-1][k] + w[k+1][j]
实际上k的取值到j-1就可以了,因为在还有最后一个居民的时候仍然可以建立一个邮局,那么在该居民点建立一个邮局一定没坏处,这样就可以不用考虑:前i-1个邮局负责arr[0…j],第i个邮局负责arr[j+1…j]的情况,避免w矩阵溢出。
#python3.5
def siteSelectionQuestion1(arr, num):
if arr == None or len(arr) == 0 or num < 1 or len(arr) < num:
return 0
w = [[0 for i in range(len(arr))] for j in range(len(arr))]
for i in range(len(arr)):
for j in range(i+1, len(arr)):
w[i][j] = w[i][j-1] + arr[j] - arr[(i+j) // 2]
dp = [w[0][i] for i in range(len(arr))]
for i in range(1, num):
for j in range(len(arr)-1, i-1, -1):
minDistance = sys.maxsize
for k in range(i-1, j):
minDistance = min(minDistance, max(dp[k], w[k+1][j]))
dp[j] = minDistance
return dp[-1]
方法二。使用“四边形不等式”优化动态规划。
假设计算dp[i-1][j]时,在最好的划分方案中,第i-1个邮局负责arr[a…j]的居民点。在计算dp[i][j+1]时,在最好的划分方案中,第i个邮局负责arr[b…j]的居民点。那么在计算dp[i][j]时,假设最好的划分方式是让第i个邮局负责arr[k…j],那么k的范围一定是[a, b],这样就省去了很多无效的枚举过程,可以将时间复杂度降低一个维度, O(N2∗M)−>O(N2) 。具体实现参见如下代码:
def siteSelectionQuestion2(arr, num):
if arr == None or len(arr) == 0 or num < 1 or len(arr) < num:
return 0
w = [[0 for i in range(len(arr))] for j in range(len(arr))]
for i in range(len(arr)):
for j in range(i+1, len(arr)):
w[i][j] = w[i][j-1] + arr[j] - arr[(i+j)//2]
dp = [w[0][i] for i in range(len(arr))]
cands = [0 for i in range(len(arr))]
for i in range(1, num):
for j in range(len(arr)-1, i-1, -1):
minEnum = cands[j]
maxEnum = j-1 if j == len(arr)-1 else cands[j+1]
minDistance = sys.maxsize
for k in range(minEnum, maxEnum+1):
cur = max(dp[k], w[k+1][j])
if cur <= minDistance:
minDistance = cur
cands[j] = k
dp[j] = minDistance
return dp[-1]