1039. 多边形三角剖分的最低得分
1039. 多边形三角剖分的最低得分
题目来源
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
-
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。
- 定义
-
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])
。
- 对于每个区间
-
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。
- 对于任意的
-
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。
- 返回
核心算法步骤
- 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]
。
- 初始化
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。