算法-贪心/动态规划-最低加油次数
1 题目概述
1.1 题目出处
https://leetcode-cn.com/problems/minimum-number-of-refueling-stops/
1.2 题目描述
汽车从起点出发驶向目的地,该目的地位于出发位置东面 target 英里处。
沿途有加油站,每个 station[i] 代表一个加油站,它位于出发位置东面 station[i][0] 英里处,并且有 station[i][1] 升汽油。
假设汽车油箱的容量是无限的,其中最初有 startFuel 升燃料。它每行驶 1 英里就会用掉 1 升汽油。
当汽车到达加油站时,它可能停下来加油,将所有汽油从加油站转移到汽车中。
为了到达目的地,汽车所必要的最低加油次数是多少?如果无法到达目的地,则返回 -1 。
注意:如果汽车到达加油站时剩余燃料为 0,它仍然可以在那里加油。如果汽车到达目的地时剩余燃料为 0,仍然认为它已经到达目的地。
示例 1:
输入:target = 1, startFuel = 1, stations = []
输出:0
解释:我们可以在不加油的情况下到达目的地。
示例 2:
输入:target = 100, startFuel = 1, stations = [[10,100]]
输出:-1
解释:我们无法抵达目的地,甚至无法到达第一个加油站。
示例 3:
输入:target = 100, startFuel = 10, stations = [[10,60],[20,30],[30,30],[60,40]]
输出:2
解释:
我们出发时有 10 升燃料。
我们开车来到距起点 10 英里处的加油站,消耗 10 升燃料。将汽油从 0 升加到 60 升。
然后,我们从 10 英里处的加油站开到 60 英里处的加油站(消耗 50 升燃料),
并将汽油从 10 升加到 50 升。然后我们开车抵达目的地。
我们沿途在1两个加油站停靠,所以返回 2 。
提示:
1 <= target, startFuel, stations[i][1] <= 10^9
0 <= stations.length <= 500
0 < stations[0][0] < stations[1][0] < … < stations[stations.length-1][0] < target
2 贪心法
2.1 思路
目标为贪心地找出最少加油次数,那么就需要记录每次加油站油量:
即在要到达下一个加油站前,需要计算余油是否小于距离:如果小于,就意味着必须在出发前加油,且应该选择加油量最大的那个加油站。如果还是不够,就再选择次大的那个加油站。。以此类推
如果全部加油站加起来都不够,那就说明你行程无法继续了!
2.2 代码
class Solution {
public int minRefuelStops(int target, int startFuel, int[][] stations) {
// 目标为贪心地找出最少加油次数
// 那么就需要记录每次加油站油量
// 在要到达下一个加油站前,需要计算余油是否小于距离,如果小于,就意味着必须在出发前加油
// 且应该选择加油量最大的那个加油站。
// 如果还是不够,就再选择次大的那个加油站。。以此类推
// 如果全部加油站加起来都不够,那就说明你行程无法继续了!
if(null == stations || stations.length == 0){
if(startFuel >= target){
return 0;
}else{
return -1;
}
}
// 记录经过的加油站的加油量,且用大顶堆维护
int[] arr = new int[stations.length];
// 未使用过的加油站数量(堆大小)
int k = 0;
// 车子当前距离起点处距离
int current = 0;
// 停靠的加油站
int result = 0;
// 先遍历加油站,如果某个加油站都到不了那行程失败!
for(int i = 0; i < stations.length; i++){
if(current + startFuel >= target){
// 当前位置 + 剩余油量能到达终点,返回停靠次数即可
return result;
}
if(current + startFuel < stations[i][0]){
// 到不了目的加油站,应在之前加油站中从油量最大的开始停下加油,
// 直到能到目的地或不能到加油站全部停了加油还是不能到达目的地
// 这个过程就是每次取大顶堆堆顶加油站停靠加油,并调整大顶堆
int tmp = k;
for(int l = 0; l < tmp; l++){
result++;
startFuel += arr[0];
arr[0] = arr[k-1];
arr[k-1] = 0;
adjustMaxHeapFromTop(0, arr, --k);
if(current + startFuel >= stations[i][0]){
// 能到
break;
}
}
// 如果之前所有加油站全部停靠加油依然无法到达下一个加油站
// 则行程失败
if(current + startFuel < stations[i][0]){
return -1;
}
}
// 扣除到该加油站用的油量
startFuel = startFuel - (stations[i][0] - current);
// 将该加油站油量纳入统计并调整大顶堆
arr[k++] = stations[i][1];
adjustMaxHeapFromBottom(k-1, arr);
// 车子到这个加油站,更新当前位置
current = stations[i][0];
}
// 遍历加油站完成,加油站都能到
// 现在就看最后一个加油站到终点是否能到了
if(current + startFuel >= target){
// 当前位置 + 剩余油量能到达终点,返回停靠次数即可
return result;
}else{
// 到不了目的地,应在之前加油站中选择油量最大的停
int tmp = k;
for(int l = 0; l < tmp; l++){
result++;
startFuel += arr[0];
arr[0] = arr[k-1];
arr[k-1] = 0;
adjustMaxHeapFromTop(0, arr, --k);
if(current + startFuel >= target){
// 能到
break;
}
}
if(current + startFuel < target){
return -1;
}else{
return result;
}
}
}
// 从下往上调整大顶堆
public void adjustMaxHeapFromBottom(int index, int[] arr){
int tmp = arr[index];
for(int i = (index-1) >> 1; i >= 0; i = (i-1) >> 1){
if(tmp > arr[i]){
arr[index] = arr[i];
index = i;
}else{
break;
}
}
arr[index] = tmp;
}
// 从上往下调整大顶堆
public void adjustMaxHeapFromTop(int index, int[] arr, int k){
int tmp = arr[index];
for(int i = index * 2 + 1; i < k; i = i * 2 + 1){
if(i+1 < k){
i = arr[i] < arr[i+1] ? i + 1 : i;
}
if(tmp < arr[i]){
arr[index] = arr[i];
index = i;
}else{
break;
}
}
arr[index] = tmp;
}
}
2.3 时间复杂度
O(nlogn)
2.4 空间复杂度
O(n)
- 创建大小为n的数组用来作为大顶堆
3 动态规划
我没看懂- -