LeetCode-1547.Cutting sticks(python 3.7)

最新推荐文章于 2021-08-16 04:48:44 发布

Anq1

最新推荐文章于 2021-08-16 04:48:44 发布

阅读量264

点赞数

分类专栏： practice 文章标签： python leetcode

本文链接：https://blog.csdn.net/Anq1_/article/details/111186556

版权

practice 专栏收录该内容

12 篇文章 1 订阅

订阅专栏

该博客介绍了如何通过迭代和动态规划解决切割木棍以达到最小成本的问题。利用functools.lru_cache进行缓存优化，以减少重复计算，提高算法效率。在给定的例子中，通过调整切割顺序，将总成本降至16。博客还简述了LRU缓存的工作原理和在Python中的应用。

摘要由CSDN通过智能技术生成

有一根长度为 n 个单位的木棍，棍上从 0 到 n 标记了若干位置。
给你一个整数数组 cuts ，其中 cuts[i] 表示你需要将棍子切开的位置。
你可以按顺序完成切割，也可以根据需要更改切割的顺序。
每次切割的成本都是当前要切割的棍子的长度，切棍子的总成本是历次切割成本的总和。对棍子进行切割将会把一根木棍分成两根较小的木棍（这两根木棍的长度和就是切割前木棍的长度）。请参阅第一个示例以获得更直观的解释。

返回切棍子的最小总成本。

示例 1：

输入：n = 7, cuts = [1,3,4,5]
输出：16

第一次切割长度为 7 的棍子，成本为 7 。第二次切割长度为 6 的棍子（即第一次切割得到的第二根棍子），第三次切割为长度 4 的棍子，最后切割长度为 3 的棍子。总成本为 7 + 6 + 4 + 3 = 20 。
而将切割顺序重新排列为 [3, 5, 1, 4] 后，总成本 = 16（如示例图中 7 + 4 + 3 + 2 = 16）。

示例 2：

输入：n = 9, cuts = [5,6,1,4,2]
输出：22

解释：如果按给定的顺序切割，则总成本为 25 。总成本 <= 25 的切割顺序很多，例如，[4, 6, 5, 2, 1] 的总成本 = 22，是所有可能方案中成本最小的。

提示：
2 <= n <= 10^6
1 <= cuts.length <= min(n - 1, 100)
1 <= cuts[i] <= n - 1
cuts 数组中的所有整数都互不相同

思路：迭代+动态规划

# -*- coding = utf-8 -*-
# @Time : 2020/12/14 20:35
# @Author :Anq1
# @File : Cutting sticks.py
# @Software : PyCharm
import functools

def minCost(n: int, cuts: list) -> int:
    cuts.extend([0, n])
    cuts.sort()
    @functools.lru_cache(None)
    def cost(l, r):
        if r - l == 1: #挨着不切
            return 0
        mincost = float('inf') #正无穷
        for i in range(l + 1, r):#右开，所以加入0，n不会影响切割
            mincost = min(mincost, cost(l, i) + cost(i, r))
        print(mincost + cuts[r] - cuts[l])
        return mincost + cuts[r] - cuts[l]


    return cost(0, len(cuts) - 1)


minCost(7, cuts = [1,3,4,5])

输出：

3
2
6
3
6
12
3
7
10
16  <-------

Process finished with exit code 0

这里简单介绍

@functools.lru_cache(None)

首先，缓存是一种将定量数据加以保存以备迎合后续请求的处理方式，旨在加快数据的检索速度。

在 Python 的 3.2 版本中，引入了functool 模块中的 lru_cache 装饰器。
在PY2中，则为functools32 。

@functools.lru_cache(maxsize=None, typed=False)

如上所示，lur_cache可以缓存最多 maxsize 个此函数的调用结果，从而提高程序执行的效率。参数maxsize为最多缓存的次数，如果为None，则无限制，设置为2n时，性能最佳。
如果 typed=True（注意，在 functools32 中没有此参数），则不同参数类型的调用将分别缓存，例如 f(3) 和 f(3.0)。
被 lru_cache 装饰的函数会有 cache_clear 和 cache_info 两个方法，分别用于清除缓存和查看缓存信息。