LeetCode 1547. 切棍子的最小成本

目录结构

1.题目

2.题解

---

1.题目

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。例如，长度为 6 的棍子可以标记如下：

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：

输入：n = 7, cuts = [1,3,4,5]
输出：16
解释：按 [1, 3, 4, 5] 的顺序切割的情况如下所示：
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）。

 

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

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/minimum-cost-to-cut-a-stick
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

2.题解

区间DP。

思想：将木棍的两个端点（0和n）加到cuts数组中并使其升序排列，dp[l][r]表示把这段木棍的第l到第r个切割点完成切割的最小成本(l和r为cuts数组的下标）。

每次都想把第i到第j个切割点的这段木棍（即区间内）切割为两份（每份内可能还有切割点需要切割），且成本最小。故可以逆过来，比如先dp得到每连续三个切割点切割为两份的最小成本，然后可以通过前者信息，dp计算每连续四个点切割为两份的最小成本......

• 当r=l+1，即两个相邻切割点，其本身区间内只有一段，故不需要切割，成本为0；
• 当r>l+1时，在（l，r）间取切割点k，即在k处切断，其切割的成本为区间长度cuts[r]-cuts[l]；
• 故将区间内（即第l到第r个切割点完成切割）的最小成本转换方程为：dp[l][r] = min {dp[l][k]+dp[k][r]+cuts[r]-cuts[l]}，其中k∈(l, r)开区间的整数。

public class Solution1547 {

    @Test
    public void test1547() {
        int n = 9;
        int[] cuts = {1, 3, 4, 5};
        System.out.println(minCost(n, cuts));
    }

    public int minCost(int n, int[] cuts) {
        int[][] dp = new int[105][105];
        int[] tmpCuts = new int[cuts.length + 2];
        tmpCuts[0] = 0;
        tmpCuts[cuts.length + 1] = n;
        for (int i = 0, j = 1; i < cuts.length; i++) {
            tmpCuts[j++] = cuts[i];
        }
        Arrays.sort(tmpCuts);
        for (int len = 2; len <= tmpCuts.length; len++) {
            for (int l = 0; l + len < tmpCuts.length; l++) {
                int r = l + len;
                dp[l][r] = Integer.MAX_VALUE;
                for (int k = l + 1; k < r; k++) {
                    dp[l][r] = Math.min(dp[l][r], dp[l][k] + dp[k][r] + tmpCuts[r] - tmpCuts[l]);
                }
            }
        }
        return dp[0][tmpCuts.length - 1];
    }
}

• 时间复杂度：