鸡蛋掉落问题解析

问题简述：有 K 个鸡蛋， N层楼，临界点F楼层扔鸡蛋碎， 最少扔step次能确定临界点F。
求step

Talk is cheap, show u the code:

class Solution:
    def superEggDrop(self, K: int, N: int) -> int:
        dp = [0] * (K + 1)
        step = 0
        while dp[K] < N:
            for i in range(K, 0, -1):
                dp[i] += (1+ dp[i-1]);
            step += 1
        return step

既然是解析，还是要talk talk。

首先，这是一个动态规划问题
有 K 个鸡蛋， N层楼
有一种动态规划方法是用 dp[k][n] 表示拥有K个鸡蛋，N层楼时最少扔的次数
参见动态规划法（六）鸡蛋掉落问题（一）（egg dropping problem）
但是上述方法时间复杂度太高，leetcode超时。

另一种思路是把 dp[step][k] 表示k个鸡蛋扔step次最多能够确定多高(N)楼的临界点
如果step=0，则不能确定任何N高的楼因此dp第一行为0
如果鸡蛋k=0，则不能确定任何N高的楼因此dp第一列为0

对于任意的 dp[step][k], (step, k>1)，即有k个鸡蛋扔step次的结果 。

在f层扔一次之后(不关心在第几层扔)，还能扔的次数为step-1，并且这个鸡蛋有可能碎掉，也有可能不碎。

因为鸡蛋只可能出现碎或者不碎两种情况：

1. 鸡蛋碎了，鸡蛋数为k-1，再考虑下层，下层为子问题 dp[step-1][k-1]
2. 鸡蛋不碎，鸡蛋数仍为k，再考虑上层，上层子问题为 dp[step-1][k]
3. 再加上当前楼层 f 最终能确定的最大楼层高度为: dp[step-1][k-1] + dp[step-1][k] + 1

得到动态规划的递推公式：
$$dp[step][k]=dp[step-1][k-1]+dp[step-1][k]+1$$
一开始为有个疑问是”为什么不是上层与下层的最大值加 1“
后来想了很久，因为摆在我们面前的楼是一个黑盒，我们不能确定F是在上层还是下层或者是f层。我们要保证能确定F的次数，必须要考虑所有的情况，即上层下层和f层之和。

有了递推公式，代码就好写了因为题目只需要求step的大小。因此可以直接将step放到最外层循环， dp[k]表示当前step下扔k次鸡蛋能确定的最大N。 当dp[K] >= N时，表明当前step下，扔K个鸡蛋已经能够满足大于等于N层楼的条件，即可退出，当前step为所求答案。