题目概述:
题目链接:点我做题
题解:
本题的难点在于建立出合适的动态规划模型。
仔细想一想,本题求得是最终的最小费用,给的规则是相邻的两个房子不能涂成一样的颜色,注意到当前房子如果涂成红色,那么前面的房子就必须涂成蓝色或绿色。
我们对下标为i的房子图不同的颜色,
0
i
0~i
0 i的房子的涂色方案也要发生变化,
因此我们可以对下标为i的房子建立一个向量
s
[
i
]
⃗
=
(
s
0
[
i
]
,
s
1
[
i
]
,
s
2
[
i
]
)
\vec{s[i]}=(s_0[i],s_1[i],s_2[i])
s[i]=(s0[i],s1[i],s2[i])
s
0
[
i
]
s_0[i]
s0[i]的含义是下标为i的房子涂色成红色时的这0i个房子的最小涂色费用和,$s_1[i]$的含义是下标为i的房子涂色涂成蓝色时,这0i个房子的最小涂色费用和,
s
2
[
i
]
s_2[i]
s2[i]的含义是下标为i的房子涂色涂成绿色时,这0~i个房子的最小涂色费用和.
由于规则,我们下标为i的房子涂色成了红色时,下标为i-1的房子就只能涂成蓝色或绿色,所以下标为i的房子涂色成红色的最小费用就等于下标为i-1的房子涂色成蓝色或绿色时,下标为0~i-1的房子的费用中的较小者加上下标为i的房子涂色成红色的费用,其它颜色类似,因此有状态转移方程:
s
0
[
i
]
=
m
i
n
(
s
1
[
i
−
1
]
,
s
2
[
i
−
1
]
)
+
c
o
s
t
s
[
i
]
[
0
]
s
1
[
i
]
=
m
i
n
(
s
0
[
i
−
1
]
,
s
2
[
i
−
1
]
)
+
c
o
s
t
s
[
i
]
[
1
]
s
2
[
i
]
=
m
i
n
(
s
0
[
i
−
1
]
,
s
1
[
i
−
1
]
)
+
c
o
s
t
s
[
i
]
[
2
]
s_0[i] = min(s_1[i-1],s_2[i - 1])+costs[i][0]\\ s_1[i] = min(s_0[i-1],s_2[i - 1])+costs[i][1]\\ s_2[i] = min(s_0[i-1],s_1[i - 1])+costs[i][2]
s0[i]=min(s1[i−1],s2[i−1])+costs[i][0]s1[i]=min(s0[i−1],s2[i−1])+costs[i][1]s2[i]=min(s0[i−1],s1[i−1])+costs[i][2]
显然第一个房子涂色不受前面房子影响,最后我们的最小值就是下标为n-1的房子的三种涂色方案最小费用中的最小者。
代码:
public:
int minCost(vector<vector<int>>& costs)
{
//dp[i][0]下标为i的房子要求涂成红色时,i+1个房子涂色所需的最小费用
//dp[i][1]下标为i的房子要求涂成蓝色时,i+1个房子涂色所需的最小费用
//dp[i][2]下标为i的房子要求涂成绿色时,i+1个房子涂色所需的最小费用
//根据题意 第i个房子被涂成红色 那么前面的那个房子就必须涂成绿色或蓝色
//所以下标为i的房子要求涂成红色,这i+1个房子涂色的总费用等于
//下标为i的房子涂成红色的费用costs[i][0]加上前面的下标为i-1的房子
//要求涂成绿色或蓝色(取小)时 下标0~i-1个房子涂色的总成本
//即min(dp[i - 1][1], dp[i - 1][2])
//dp[i][0] = min(dp[i - 1][1], dp[i - 1][2]) + costs[i][0]
//dp[i][1] = min(dp[i - 1][0], dp[i - 1][2]) + costs[i][1]
//dp[i][2] = min(dp[i - 1][0], dp[i - 1][1]) + costs[i][2]
int size = costs.size();
vector<vector<int>> dp(size, vector<int>(3));
dp[0][0] = costs[0][0];
dp[0][1] = costs[0][1];
dp[0][2] = costs[0][2];
for (int i = 1; i < size; ++i)
{
dp[i][0] = min(dp[i - 1][1], dp[i - 1][2]) + costs[i][0];
dp[i][1] = min(dp[i - 1][0], dp[i - 1][2]) + costs[i][1];
dp[i][2] = min(dp[i - 1][0], dp[i - 1][1]) + costs[i][2];
}
return (dp[size - 1][0] > dp[size - 1][1]) ?
(dp[size - 1][1] > dp[size - 1][2] ? dp[size - 1][2] : dp[size - 1][1]) :
(dp[size - 1][0] > dp[size - 1][2] ? dp[size - 1][2] : dp[size - 1][0]);
}
};
注意到状态转移方程中,计算下标为i的状态只和下标为i-1时的状态有关,因此可以进一步优化压缩空间复杂度:
class Solution {
public:
int minCost(vector<vector<int>>& costs)
{
int prev[3];
int prevred = prev[0] = costs[0][0];
int prevblue = prev[1] = costs[0][1];
int prevgreen = prev[2] = costs[0][2];
int size = costs.size();
for (int i = 1; i < size; ++i)
{
prevred = min(prev[1], prev[2]) + costs[i][0];
prevblue = min(prev[0], prev[2]) + costs[i][1];
prevgreen = min(prev[0], prev[1]) + costs[i][2];
//用完了上一轮的状态转化为本轮状态后 再覆盖掉上一轮的状态为本轮的状态
prev[0] = prevred;
prev[1] = prevblue;
prev[2] = prevgreen;
}
return (prevred < prevblue) ? ((prevred < prevgreen) ? prevred : prevgreen) :
((prevblue < prevgreen) ? prevblue : prevgreen);
}
};
时间复杂度:
O
(
n
)
O(n)
O(n)
空间复杂度:
O
(
1
)
O(1)
O(1)