4. Leecode高楼扔鸡蛋 --进阶算法之转换状态方程

之前 dp[K,N]=m 表示的含义：鸡蛋有K个，楼最高N层，那么最坏情况下找到鸡蛋恰好不被摔破的楼层F的最小尝试次数为m

现在重新定义一下：
dp[K,m] = N : 鸡蛋有K个，最多可以扔m次，可以得到的最高楼层数N。
其实这个就是上面的反推。

完整代码如下

    public int solution(int K, int N) {
        int[][] dp = new int[K + 1][N + 1];
        int m = 1;
        for (; dp[K][m-1] < N; m++) {
            for (int k = 1; k <= K; k++) {
                dp[k][m] =dp[k][m-1]+ dp[k-1][m-1] + 1;
            }
        }
        return m-1;
    }

问题1

对于dp[K,m]来说，第一个鸡蛋哟啊先从第几层楼开始扔呢？为什么？
先从dp[K-1][m-1] +1 层扔。因为这种办法是上面的反推，所以我们先看dp[K,N]扔的时候会先从第几层扔。
比如 K=2，N=6，此时dp[2][6] = 3，扔的时候是先从第3层扔。整个楼层被分成了三组：

• 1,2
• 3
• 4,5,6

那么K=2，m=3，此时dp[K-1][m-1] = dp[1][2] + 1=3， 也是从第3层扔。

再用反证法证明一下：

• 更低楼层丢鸡蛋。最终得到的并不是“最大”楼层数，未充分挖掘鸡蛋数和移动次数的潜力，最终求解时会剩余一定量的鸡蛋或移动次数。比如上面的例子，如果是从第2层开始扔，那么就会分成这3层。

   			 - 1  		
   			 - 2  		
   			 - 3,4,5,6
   	这样就会导致为充分挖掘鸡蛋数和移动次数的潜力
  

• 更高楼层丢鸡蛋。不妨假设高了一层，即在第dp[k-1][m-1]+2层丢鸡蛋。若蛋碎，则可排除该层以上的所有楼层；若蛋未碎，因为剩下的k-1个鸡蛋在m-1次移动只能求出dp[k-1][m-1]的楼层，而现在剩余的楼层却是dp[k-1][m-1]+1，得出矛盾！

问题2: 对于第一个鸡蛋状态的讨论

• 蛋碎：可用k-1个鸡蛋用m-1步测出下面的dp[k-1][m-1]层楼，此时，总共可以测出无限∞的楼层。（如果蛋碎，那么无论上面还有多少层，都是这个结果，所以可以测出无限层 ）
• 蛋未碎：说明所求楼层数不在下面的dp[k-1][m-1]层楼中；此时，还剩k个鸡蛋和m-1次移动，可用dp[k-1][m-1]+1以上的楼层继续测试；总共可以测出dp[k-1][m-1]+dp[k][m-1]+1层楼。

step3: 得出最多可测的楼层数：

dp[k][m] = Math.min(dp[k-1][m-1]+dp[k][m-1]+1, ∞)，即，
dp[k][m] = dp[k-1][m-1]+dp[k][m-1]+1

另一种理解方式

理解1

类似上面的图，代入数字理解一下
如果K=2，m=2，dp[2][2] = 3
扔第一个鸡蛋，如果碎了，dp[1,1]：就算碎了，我还有1个鸡蛋，和1次尝试机会，我可以看看此时我还能得到的最高层是多少
如果不碎，dp[2,1]：没碎，那我就还有2个鸡蛋，1次尝试机会，我可以看看此时我还能得到的最高层是多少。
最后结果一定是他俩的和。

理解2

对于dp[K][N] ，当K=2，N=6，会把整个搜索域分成3份
1，2
3
4,5，6
分的方式是蛋碎或者不碎。

那么dp[K][m]，当K=2，m=3 要做的就是把这三个搜索区域合并起来。所以也同样是用蛋碎和蛋不碎来合并。
所以dp[k][m] = dp[k-1][m-1] + dp[k][m-1] + 1。
不管你蛋碎还是不碎，我要的是你们统共加起来的区域有多大。