题目
分析
设P(N,K)的返回值时N层楼时有K个棋子在最差的情况下扔的最少次数。
- 如果N = 0,棋子肯定不会碎,因此P(0,K) = 0
- 如果K = 1,那么只能从第一层开始尝试,在最差的情况下需要扔N次,因此P(N,1) = N;
- 对于N>0且K>1, 我们需考虑第1个棋子是从哪层开始扔的。如果第1个棋子从第i层开始仍,那么有以下两种情况:
(1) 碎了。没必要尝试第i层以上的楼层了,接下来的问题就变成了剩下i-1层楼和K-1个棋子,所以总步数为 1+P(i-1, K-1);
(2)没碎。 那么可以知道没必要尝试第i层及其以下的楼层了,接下来的问题就变成了还剩下N-i层和K个棋子,所以总步数为 1+P(N-i, K).。 - 根据题意应该选取(1)和(2)中较差的那种情况,即 max{ P(i-1, K-1), P(N-i, K)}+1。 由于i的取值范围是 1到N, 那么步数最少的情况为, P ( N , K ) = m i n { m a x { P ( i − 1 , K − 1 ) , P ( N − i , K ) } } + 1 ( 1 < = i < = N ) P(N, K)=min\{max\{P(i-1, K-1), P(N-i, K)\}\}+1(1<=i<=N) P(N,K)=min{max{P(i−1,K−1),P(N−i,K)}}+1(1<=i<=N)
第一种方法:动态规划
public int solve (int n, int k) {
if(n < 1 || k < 1) {
return 0;
}
int[][] dp = new int[n+1][n+1];
//初始化dp,如果只有一个棋子时,最坏情况下需要扔的次数等于楼层高度
for(int i = 1; i < dp.length; i++) {
dp[i][1] = i;
}
for(int i = 1; i <= n; i++) {//楼层高度
for(int j = 2; j <= k; j++){//能够扔的棋子数
int min = Integer.MAX_VALUE;
for(int m = 1; m <= i; m++) {//初始化扔的楼层高度
min = Math.min(Math.max(dp[m-1][j-1],dp[i-m][j]),min);
}
dp[i][j] = min + 1;
}
}
return dp[n][k];
}
方法二:优化的动态规划,对二维数组进行优化
楼层数\棋子数 | 0 | 1 | 2 | 3 | 4 |
---|---|---|---|---|---|
0 | 0 | 0 | 0 | 0 | 0 |
1 | 0 | 1 | (1,2) | ||
2 | 0 | 2 | (2,2) | ||
3 | 0 | 3 | (3,2) | ||
4 | 0 | 4 | (4,2) | ||
5 | 0 | 5 | (5,2) |
分析方法一种动态规划的过程,可以发现按照列对矩阵进行填充,只需要用到当前填充位置的上面的列和其左边的列。比如要填充(4,2)的位置,其用到的两个红框圈其来的两列。
public int solve (int n, int k) {
if(n < 1 || k < 1) {
return 0;
}
//cur表示当前填充位置上面的列
int[] cur = new int[n+1];
//pre表示当前填充位置左边的列
int[] pre = new int[n+1];
//初始化pre
for(int i = 0; i < pre.length; i++) {
pre[i] = i;
}
for(int K = 2; K <= k; K++) {//棋子数
for (int i = 1; i <= n; i++) {//楼层数
int min = Integer.MAX_VALUE;
for (int j = 0; j < i; j++) {
min = Math.min(Math.max(pre[j], cur[i - j - 1]), min);
}
cur[i] = min + 1;
}
//交换cur和pre
int[] temp = pre;
pre = cur;
cur = temp;
//重新填充cur中的值为0
Arrays.fill(cur,0);
}
//这里返回的是pre[n],因此在最后一次循环后cur赋值给了pre
return pre[n];
}
第三种方法:动态规划+二分查找
P
(
N
,
K
)
=
m
i
n
{
m
a
x
{
P
(
i
−
1
,
K
−
1
)
,
P
(
N
−
i
,
K
)
}
}
+
1
(
1
<
=
i
<
=
N
)
P(N, K)=min\{max\{P(i-1, K-1), P(N-i, K)\}\}+1(1<=i<=N)
P(N,K)=min{max{P(i−1,K−1),P(N−i,K)}}+1(1<=i<=N)
由递推关系式可知,在K不变的情况下,
P
(
i
−
1
,
K
−
1
)
P(i-1,K-1)
P(i−1,K−1)关于
i
i
i是递增函数,而
P
(
N
−
i
,
k
)
P(N-i,k)
P(N−i,k)关于
i
i
i是递减函数,因此
P
(
N
,
K
)
P(N,K)
P(N,K)关于N的图像如下图蓝色线条:
因此可以通过二分查找找出这个最低点,由于N是一个离散值,所以函数图像并不是连续的,所以函数最小值是上图中
X
0
X_0
X0和
X
1
X_1
X1中的较小值,且
X
1
=
X
0
+
1
X_1 = X_0 + 1
X1=X0+1。下面给出代码,已详细注释。
//用于存储在在当前(K,N)下的最小尝试次数
Map<Integer,Integer> map = new HashMap<>();
//K表示鸡蛋数,N表示楼层数,superEggDrop表示确定临界楼层的最小尝试次数
public int superEggDrop(int K,int N) {
//如果楼层数为0或者鸡蛋数,则尝试次数为0
if(N == 0 || K == 0) {
return 0;
}
//如果鸡蛋数为1,则在最坏的情况下需要从第一层开始尝试到顶层
if(K == 1) {
return N;
}
//给当前的(K,N)确定一个key值,采用线性函数的方式
int key = N * 1000 + K;
//如果map中存储有当前节点值,直接返回
if(map.containsKey(key)) {
return map.get(key);
}
//二分查找的起始位置和终点位置,即楼层的第一层和最后一层
int low = 1;
int high = N;
//二分查找交叉函数的最低点x
while(low + 1 < high) {
int mid = (low + high) / 2;
//递增函数在mid处的值
int value1 = superEggDrop(K - 1,mid -1);
//递减函数在mid处的值
int value2 = superEggDrop(K,N - mid);
if(value1 > value2) {//如果递增函数在mid处的值大于递减函数,说明x在mid的左侧
high = mid;
} else if(value1 < value2) {//如果递增函数在mid处的值小于递减函数,说明x在mid的右侧
low = mid;
} else {//如果相等,说明mid就是最低点
low = high = mid;
}
}
int min = Math.min(superEggDrop(K,N-low),superEggDrop(K - 1,high - 1)) + 1;
//int min = Math.min(Math.max(superEggDrop(K-1,low-1),superEggDrop(K,N-low)),Math.max(superEggDrop(K-1,high-1),superEggDrop(K,N-high))) + 1;
map.put(key,min);
return map.get(key);
}
第四种方法:最优解法
class Solution {
public int superEggDrop(int K, int N) {
int[][] dp = new int[K + 1][N + 1];
for (int m = 1; m <= N; m++) {
dp[0][m] = 0; // zero egg
for (int k = 1; k <= K; k++) {
dp[k][m] = dp[k][m - 1] + dp[k - 1][m - 1] + 1;
if (dp[k][m] >= N) {
return m;
}
}
}
return N;
}
}
相关链接:
leetcode题解
博客园
程序员小灰