例如,给定数组{10,20,30},代表一共三个人,整块金条长度为10+20+30=60。金条要分成10,20,30三个部分。
如果,先把长度60的金条分成10和50,花费60。再把长度50的金条分成20和30,花费50。一共花费110铜板。
但是如果,先把长度60的金条分成30和30,花费60,再把长度30金条分成10和20,花费30。一共花费90铜板。
输入一个数组,返回分割的最小代价。
思路:这个题实际上是哈夫曼编码问题,想把金条断成规定的多少段,选择一个怎样的顺序能让代价最低。一共是10,20,30这三个,10和20合成一个30,30和30合成一个60,共需要代价90 。可以认为每一块是一个叶节点,怎么决定叶节点的合并顺序让整体的合并代价最低。合并代价怎么评估?两个叶节点合并之后产生的和就是它的合并代价。相当于这个题是求所有非叶节点的值加起来谁低。这个题整体就转化为:给了叶节点,选择一个什么合并顺序,能够导致非叶节点整体的求和最小。
具体做法是贪心,怎么证明先忽略,这里主要说怎么用堆来完成这个代价。用小根堆结构,假设有{10,20,30},先把它组成小根堆,一次从堆里弹出俩,10和20,则小根堆里面还剩下30,10和20组成一个30节点,产生代价30,然后把30节点扔回堆里,然后再从堆里弹出俩,合并完的节点再扔回堆里。如果有多个数的话,所有叶子节点组成一个小根堆,小根堆里一次弹出俩合成一个节点 ,扔回堆里,依次。中途产生的代价依次累加,就是最小代价。
public class Less_Money {
public static int lessMoney(int[] arr) {
PriorityQueue<Integer> pQ = new PriorityQueue<>();
//把所有数加入到堆中
for (int i = 0; i < arr.length; i++) {
pQ.add(arr[i]);
}
int sum = 0;
int cur = 0;
while (pQ.size() > 1) {
cur = pQ.poll() + pQ.poll();
sum += cur;
pQ.add(cur);
}
return sum;
}
public static class MinheapComparator implements Comparator<Integer> {
@Override
public int compare(Integer o1, Integer o2) {
return o1 - o2;
}
}
public static class MaxheapComparator implements Comparator<Integer> {
@Override
public int compare(Integer o1, Integer o2) {
return o2 - o1;
}
}
public static void main(String[] args) {
// solution
int[] arr = { 6, 7, 8, 9 };
System.out.println(lessMoney(arr));
int[] arrForHeap = { 3, 5, 2, 7, 0, 1, 6, 4 };
// min heap
PriorityQueue<Integer> minQ1 = new PriorityQueue<>();
for (int i = 0; i < arrForHeap.length; i++) {
minQ1.add(arrForHeap[i]);
}
while (!minQ1.isEmpty()) {
System.out.print(minQ1.poll() + " ");
}
System.out.println();
// min heap use Comparator
PriorityQueue<Integer> minQ2 = new PriorityQueue<>(new MinheapComparator());
for (int i = 0; i < arrForHeap.length; i++) {
minQ2.add(arrForHeap[i]);
}
while (!minQ2.isEmpty()) {
System.out.print(minQ2.poll() + " ");
}
System.out.println();
// max heap use Comparator
PriorityQueue<Integer> maxQ = new PriorityQueue<>(new MaxheapComparator());
for (int i = 0; i < arrForHeap.length; i++) {
maxQ.add(arrForHeap[i]);
}
while (!maxQ.isEmpty()) {
System.out.print(maxQ.poll() + " ");
}
}
}