LeetCode 375 猜数字大小 II

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$dp[i][j]$区间$[i,j]$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
$$\begin{array}{rlr}max(dp[i][k-1],dp[k+1][j])+k& & k\in [i+1,j-1]\end{array}$$
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。
$$\begin{array}{rlr}dp[i][j]=\underset{k}{\min }(max(dp[i][k-1],dp[k+1][j])+k)& & k\in [i+1,j-1]\end{array}$$
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$dp[i][i]=0,dp[0][i]=0,dp[n][0]=0$，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$dp[i][j]$的初始值设置为正无穷。

2.4 迭代顺序

首先可以确定，
$$i\le k-1<k+1\le j$$
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
$$\begin{array}{rlr}dp[i][j]=\underset{k}{\min }(max(dp[i][k-1],dp[k+1][j])+k)& & k\in [i+1,j-1]\end{array}$$
当需要更新的$dp[i][j]$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];

    }
};
```