leetcode-410. Split Array Largest Sum

题目:

Given an array which consists of non-negative integers and an integer m, you can split the array into m non-empty continuous subarrays. Write an algorithm to minimize the largest sum among these m subarrays.

Note:
Given m satisfies the following constraint: 1 ≤ m ≤ length(nums) ≤ 14,000.

Examples:

Input:
nums = [7,2,5,10,8]
m = 2

Output:
18

Explanation:
There are four ways to split nums into two subarrays.
The best way is to split it into [7,2,5] and [10,8],
where the largest sum among the two subarrays is only 18.
简单意思就是:给你一个含有n个元素的数组,让你把这数组划分成m段,那么每个段的所有元素就有一个sum,那么一次划分就会有一个最大的和(largest_sum),现在就是让你

求这个largest_sum的最小值!!!

方法一:

刚开始拿到这个题目,看到它的提示是动态规划,就一直想,就是想不出来后来在网上找到了大神们都用二分查找算法,但是这些博客没有对算法的思路有个详细的介绍,本文

就二分查找方法给出自己的理解!!

代码(模仿大神们的思想写的):

<pre name="code" class="cpp">class Solution {
public:
	bool is_reach(vector<int>& arr, int m, long target_sum){
		long cur_sum = arr[0];
		int sections = 1;
		for (int i = 1; i < arr.size(); ++i){
			cur_sum += arr[i];
			if (cur_sum > target_sum){
				++sections;
				cur_sum = arr[i];
			}
		}
		if (sections > m)return false;//如果段计数器值大于m,假设题目要求m=3,而我们求得的段的大小为4,
		return true;
	}

	int splitArray(vector<int>& arr, int m) {
		int n = arr.size();
		long low = arr[0], high = arr[0];
		for (int i = 1; i < n; ++i){
			low = max(low, long(arr[i]));//数组的单个最大元素
			high += arr[i];//数组的所有元素
		}
		int res = 0;
		while (low < high){
			long mid = (low + high) / 2;
			if (is_reach(arr, m, mid)){
				high = mid;
				res = mid;
			}
			else
				low = mid + 1;
		}
		return low;
	}
};


 

Submission Result: Accepted  More Details 

解析(leetcode上大神给的解释):

1.我们可以这样对待数组,我们将数组分成每段小于或等于target_num的小组,那么每个小组的和肯定小于或等于target_sum,如果此时我们得到的分段数目小于或等于m,

那么确定最大子段和小于或等于target_sum,否则,最大子段和的最小值一定大于target_sum;

2. 在设计的时候一定要注意: 如果写成high=mid和low=mid的模式,则有可能陷入死循环的可能,因为我们最后low,mid和high的指针的转态如下图所示:

如果is_reach传回的值是true,那么执行low=mid,那么会陷入死循环!!!!

方法二:

利用动态规划思想:

版本1:

int splitArray1(vector<int>nums, int m){
	int L = nums.size();
	int *S = new int[L + 1];
	S[0] = 0;
	for (int i = 0; i<L; i++)
		S[i + 1] = S[i] + nums[i];

	int *dp = new int[L];
	for (int i = 0; i<L; i++)
		dp[i] = S[L] - S[i];

	for (int s = 1; s<m; s++){
		for (int i = 0; i<L - s; i++){
			dp[i] = INT_MAX;
			for (int j = i + 1; j <= L - s; j++){
				int t = max(dp[j], S[j] - S[i]);
				if (t <= dp[i])dp[i] = t;
				else break;
			}
		}
	}
	int re = dp[0];
	delete[]S;
	delete[]dp;
	return re;
}

Submission Result: Accepted  More Details 

版本2:

class Solution {
public:
	int splitArray(vector<int>& nums, int m) {
		int size = nums.size();
		vector<int>row(size,0);
		vector<vector<int>>re;
		for (int i = 0; i <= m; i++)re.push_back(row);//二维数组
		//将数组分成1段的情况
		int sum = 0;
		for (int j = 0; j < size; j++){
			sum += nums[j];
			re[1][j] = sum;
		}

		//填表
		int temp, now;
		for (int i = 2; i <= m;i++){//i表示要分成的段数
			for (int j = i - 1; j < size;j++){
				temp = INT_MAX;
				for (int k = i - 2; k <= j - 1; k++){
					//re[i][j]表示将数组索引从0到j的元素分成i段
					now = max(re[i-1][k],re[1][j]-re[1][k]);
					if (now<=temp)temp = now;
				}
				re[i][j] = temp;
			}
		}
		return re[m][size - 1];
	}
};
结果:

Status: 

Time Limit Exceeded
Submitted:  2 minutes ago


这个说明思想没有问题的,但是时间复杂度较高,运行超时,还要进一步优化!!!

算法思想:

re[s][j]:表示数组元素下标从0到j分成s段的结果;

re[s+1][j]:表示数组元素下标从0到j分成s+1段的结果,那么re[s+1][j]=min{max(d[s,k],a[k+1]+a[k+2]+....+a[j])},其中,s-2<=k<=j-1(见代码).

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法。 LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值