LeetCode 1039. 多边形三角剖分的最低得分 动态规划详解

1039. 多边形三角剖分的最低得分

题目来源

1039. 多边形三角剖分的最低得分

题目分析

给定一个凸多边形，其每个顶点都有一个整数值。要求将这个多边形进行三角剖分，使得剖分后的三角形的得分总和最低。多边形的三角剖分将多边形分成 n-2 个三角形，每个三角形的得分是其三个顶点的值的乘积。返回可以得到的最低得分。

题目难度

• 难度：中等

题目标签

• 标签：动态规划, 数组

题目限制

• 3 <= values.length <= 50
• 1 <= values[i] <= 100

解题思路

思路1：动态规划

1. 问题定义：

   • 定义 dp[i][j] 表示从顶点 i 到顶点 j 的多边形的最小三角剖分得分。

2. 状态转移：

   • 对于每个区间 [i, j]，我们需要选择一个顶点 k，使得将多边形划分成两个子多边形 [i, k] 和 [k, j] 后，dp[i][j] = min(dp[i][k] + dp[k][j] + values[i] * values[j] * values[k])。

3. 初始化：

   • 对于任意的 i 和 i+1，dp[i][i+1] = 0，因为两个顶点之间不能形成三角形，没有得分。dp[i][i] = 0，因为单个顶点不能形成三角形，没有得分。

4. 最终结果：

   • 返回 dp[0][n-1]，即整个多边形的最小三角剖分得分。

核心算法步骤

1. 动态规划：
   • 初始化 dp 数组，dp[i][j] 存储从顶点 i 到顶点 j 的最小三角剖分得分。
   • 通过双重循环遍历所有区间 [i, j]，并通过一个循环找到最佳的顶点 k 进行分割，从而更新 dp[i][j] 的值。
   • 最后，返回 dp[0][n-1]。

代码实现

以下是求解多边形三角剖分最低得分的 Java 代码：

/**
 * 1039. 多边形三角剖分的最低得分
 * @param values 顶点值数组
 * @return 最低分数
 */
public int minScoreTriangulation(int[] values) {
    int n = values.length;
    int[][] dp = new int[n][n];

    // 初始化: 对于每个单个顶点或两个顶点的情况，三角剖分分数为0
    for (int i = n - 1; i >= 0; i--) {
        dp[i][i] = 0;
    }

    // 动态规划: 从后向前遍历, 更新 dp 数组
    for (int i = n - 1; i >= 0; i--) {
        for (int j = i + 2; j < n; j++) {
            dp[i][j] = Integer.MAX_VALUE;
            for (int k = i + 1; k < j; k++) {
                dp[i][j] = Math.min(dp[i][j], dp[i][k] + dp[k][j] + values[i] * values[j] * values[k]);
            }
        }
    }
    return dp[0][n - 1];
}

代码解读

• dp[i][j] 表示从顶点 i 到顶点 j 的多边形的最小三角剖分得分。
• 对于每个区间 [i, j]，我们需要通过选择一个顶点 k 将其分割成两个子区间，并计算三角形 i, j, k 的得分。
• 最后，通过不断迭代更新 dp[i][j]，找出最小得分。

性能分析

• 时间复杂度：O(n^3)，因为涉及到三重循环，遍历所有可能的三角剖分。
• 空间复杂度：O(n^2)，需要 n*n 大小的 dp 数组来存储每个子问题的结果。

测试用例

你可以使用以下测试用例来验证代码的正确性：

int[] values1 = {1, 2, 3};
int result1 = minScoreTriangulation(values1);
System.out.println(result1); // 输出: 6 (1*2*3)

int[] values2 = {3, 7, 4, 5};
int result2 = minScoreTriangulation(values2);
System.out.println(result2); // 输出: 144 (3*4*5 + 3*5*7)

int[] values3 = {1, 3, 1, 4, 1, 5};
int result3 = minScoreTriangulation(values3);
System.out.println(result3); // 输出: 13

int[] values4 = {7, 4, 6, 8, 9};
int result4 = minScoreTriangulation(values4);
System.out.println(result4); // 输出: 212

扩展讨论

优化写法

• 递归+记忆化搜索：我们也可以通过递归加上记忆化搜索的方式来求解该问题，虽然在复杂度上没有显著提升，但对于理解问题和动态规划的关系有帮助。

总结

通过动态规划解决多边形三角剖分问题，可以通过将问题分解为更小的子问题，并通过状态转移方程进行求解。这个过程帮助我们理解了动态规划在解决复杂组合问题中的应用。

---