猜数字大小II
1. 题目
我们正在玩一个猜数游戏,游戏规则如下:
我从 1 到 n 之间选择一个数字,你来猜我选了哪个数字。
每次你猜错了,我都会告诉你,我选的数字比你的大了或者小了。
然而,当你猜了数字 x 并且猜错了的时候,你需要支付金额为 x 的现金。直到你猜到我选的数字,你才算赢得了这个游戏。
示例:
n = 10, 我选择了8.
第一轮: 你猜我选择的数字是5,我会告诉你,我的数字更大一些,然后你需要支付5块。
第二轮: 你猜是7,我告诉你,我的数字更大一些,你支付7块。
第三轮: 你猜是9,我告诉你,我的数字更小一些,你支付9块。
游戏结束。8 就是我选的数字。
你最终要支付 5 + 7 + 9 = 21 块钱。
给定 n ≥ 1,计算你至少需要拥有多少现金才能确保你能赢得这个游戏。
2. 题目分析
乍一眼看上去,很像二分的查找方法,但是二分却不能保证就一定是最小的那个方案。所以我们采用穷举法(递归法)来分析。
2.1 确定状态函数
首先,可以明确这个问题和区间是有关的,直接定义,状态函数 d p [ i ] [ j ] dp[i][j] dp[i][j]区间 [ i , j ] [i,j] [i,j]之间消耗的确保获胜最小现金。
2.2 状态转移方程
要求得这个现金,我们需要按照最坏情况考虑,就是我们下一次猜测是错误的情况下,需要的资金,把所有猜测错误的情况列举出来可以有
m
a
x
(
d
p
[
i
]
[
k
−
1
]
,
d
p
[
k
+
1
]
[
j
]
)
+
k
k
∈
[
i
+
1
,
j
−
1
]
\begin{aligned} max(dp[i][k-1], dp[k+1][j]) + k & & k\in[i+1,j-1] \end{aligned}
max(dp[i][k−1],dp[k+1][j])+kk∈[i+1,j−1]
这里用max是因为给出提示后,只会选择任一边,为了保险起见,就选择最大的部分。
在这些猜错的最坏情况下,我们找到一个最小现金,意味着我们在面对这个未知区间时,要盲猜一个效率最高的数,这个数在列举的k之中,这里用min找到最小值。
d
p
[
i
]
[
j
]
=
min
k
(
m
a
x
(
d
p
[
i
]
[
k
−
1
]
,
d
p
[
k
+
1
]
[
j
]
)
+
k
)
k
∈
[
i
+
1
,
j
−
1
]
\begin{aligned} dp[i][j] =\min_k(max(dp[i][k-1], dp[k+1][j]) + k) & & k\in[i+1,j-1] \end{aligned}
dp[i][j]=kmin(max(dp[i][k−1],dp[k+1][j])+k)k∈[i+1,j−1]
到这里我们已经把状态转移方程给弄出来。
2.3 状态初始化
首先我们可以确定 d p [ i ] [ i ] = 0 , d p [ 0 ] [ i ] = 0 , d p [ n ] [ 0 ] = 0 dp[i][i]=0,dp[0][i]=0,dp[n][0]=0 dp[i][i]=0,dp[0][i]=0,dp[n][0]=0,因为当相等的时候不需要猜,涉及0的时候在题目中不需要考虑。那么剩下的值该如何进行设置?
观察方程,最终列举的时候取得是最小值,可以把 d p [ i ] [ j ] dp[i][j] dp[i][j]的初始值设置为正无穷。
2.4 迭代顺序
首先可以确定,
i
≤
k
−
1
<
k
+
1
≤
j
i\leq k-1 < k+1\leq j
i≤k−1<k+1≤j
这里有个矛盾就是i,j之间的差是可以为1,而k+1与k-1的差为2,这点在循环的时候需要注意,即最后k的取值需要把边界值i,j进行考虑。
其次,回顾转移方程
d
p
[
i
]
[
j
]
=
min
k
(
m
a
x
(
d
p
[
i
]
[
k
−
1
]
,
d
p
[
k
+
1
]
[
j
]
)
+
k
)
k
∈
[
i
+
1
,
j
−
1
]
\begin{aligned} dp[i][j] =\min_k(max(dp[i][k-1], dp[k+1][j]) + k) & & k\in[i+1,j-1] \end{aligned}
dp[i][j]=kmin(max(dp[i][k−1],dp[k+1][j])+k)k∈[i+1,j−1]
当需要更新的
d
p
[
i
]
[
j
]
dp[i][j]
dp[i][j]时,需要用到左后方的dp,所以更新应该是从左到右,从下到上。
3.代码
class Solution {
public:
int getMoneyAmount(int n) {
int** dp = new int*[n+1];
for(int i=0;i<=n;i++){
dp[i] = new int[n+1];
}
for(int i=1;i<=n;i++){
for(int j=1;j<=n;j++){
dp[i][j] = 1000;
}
}
for(int i=0;i<=n;i++){
dp[0][i] = 0;
}
for(int i=0;i<=n;i++){
dp[i][0] = 0;
}
for(int i=0;i<=n;i++){
dp[i][i] = 0;
}
for(int j=2;j<=n;j++){
for(int i=j-1;i>0;i--){
for(int k=i+1;k<j ;k++){
dp[i][j] = min(max(dp[i][k-1], dp[k+1][j])+k, dp[i][j]);
}
dp[i][j] = min(dp[i][j], i+dp[i+1][j]);
dp[i][j] = min(dp[i][j], j+dp[i][j-1]);
}
}
return dp[1][n];
}
};
```