LeetCode375猜数字大小

猜数字大小>>>

package BDyNamicProgramming;

/**
 * @Author Zhou  jian
 * @Date 2020 ${month}  2020/4/24 0024  15:30
 */
public class Problem375 {





    /**
     *
     * @param n
     * @return
     * 采用动态规划：
     *
     *      dp[i][j]代表在区间[i,j]猜对所有需要的前
     *      如果i==j 此时只要一次就能好成功 不需要找钱
     *      否则，可能在[i,x-1]或者[x+1,j]猜对，
     *      但在x出猜错，x在[i.j]（需要穷举x的位置，获得至少的钱）
     *
     *      动态规划与二分的区别在哪里？
     *            使用动态规划的好处在于我可以穷举所有的情况，对于这个题来说，
     *            就是指动态规划的方法可以把每一个数字都作为分隔点，而二分只能把中间的点当作分割点
     *
     *      动态规划需要使用内存储存计算过的结果，在这里我使用一个二维数组dp[n+1][n+1]
     *
     *      对于动态规划来说：需要明白dp[i][j]的含义，所以接下来
     *      dp[i][j]是说依次从i到j的数字作为分割点（猜的数)，必定赢得游戏所用钱的最小值
     * /**
    dp[i][j]表示从[i,j]中猜出正确数字所需要的最少花费金额.(dp[i][i] = 0)
    假设在范围[i,j]中选择x, 则选择x的最少花费金额为: max(dp[i][x-1], dp[x+1][j]) + x
    用max的原因是我们要计算最坏反馈情况下的最少花费金额(选了x之后, 正确数字落在花费更高的那侧)

    初始化为(n+2)*(n+2)数组的原因: 处理边界情况更加容易,
    例如对于求解dp[1][n]时x如果等于1, 需要考虑dp[0][1](0不可能出现, dp[0][n]为0)
    而当x等于n时, 需要考虑dp[n+1][n+1](n+1也不可能出现, dp[n+1][n+1]为0)

    如何写出相应的代码更新dp矩阵, 递推式dp[i][j] = max(max(dp[i][x-1], dp[x+1][j]) + x), x~[i:j],
    可以画出矩阵图协助理解, 可以发现
    dp[i][x-1]始终在dp[i][j]的左部, dp[x+1][j]始终在dp[i][j]的下部,
    所以更新dp矩阵时i的次序应当遵循bottom到top的规则, j则相反, 由于
    i肯定小
     *
     *
     */

    public int getMoneyAmount(int n) {

            int[][] dp = new int[n+2][n+2];

            for(int i=n;i>=1;i--){
                //猜测i到j
                for(int j=i;j<=n;j++){
                    //上面这两层次区间用于穷举区间[i,j]
                    if(i==j){
                        //在区间[i,i]只需要猜一次就能猜对，所以不需要前
                        dp[i][j]=0;
                    }else{
                        //猜测i到j的所有可能性
                        dp[i][j]=Integer.MAX_VALUE;
                        //穷举猜错的位置
                        //max(dp[i][x-1]，dp[x+1][j]）表示取在x的左边猜对，x右边猜对最多的前
                        //最后需要加上x,本次猜错的前，就是本次在x猜错，但是在[i][x-1]或者[x+1][j]猜对所需要的前
                        //x猜测的钱数在 i与j之间
                        for(int x=i;x<=j;x++){//穷举所有x可能的位置（猜的位置）
                            dp[i][j]=Math.min(dp[i][j],Math.max(dp[i][x-1],dp[x+1][j])+x);
                        }

                    }



                }


            }
            return dp[1][n];

    }
}