leetcode 1335. Minimum Difficulty of a Job Schedule的解法（二维动态规划）

题目大意：把这个数组分为d份，每份至少为1个元素，每份的最大值为这份的值，求所有份的和的最小值。

本题用工作计划的形式表达了一下，份数用天数表示，每份的值用工作量表示。

题目思路：求最小值问题，用动态规划dp。

详细思路：按天数和工作量两个变量，构造递归式dp[天数][完成的任务数量] = 工作量的最小值：

1、按照工作量：即1天完成k个任务，为dp[1][k]=max{dp[1][k-1], job[k]}，即每份的最大值代表这份的值，用第1天来表示，同时完成了dp初始化；

2、按照天数 dp[d][k] = min{dp[d][k], dp[d-1][l] + maxl}, 即第d天所有份和的最小值，为{d-1天完成了l项任务的最小值 + k-l区间中任务的最大值（maxl）} 集合中的最小值。

3、需要注意每天至少有1个任务，那么需要保障第d天前面至少有d个任务已完成，那么递归式2中，k-l最小值为d，而不能为0。

详细代码如下：

class Solution {
public:
    int minDifficulty(vector<int>& j, int d) {
        js=j.size();
        if(js < d)
        {
            return -1;
        }
        /
        dp[1][1]=j[0];
        for(int i=0;i<js;i++)//递归式1，求工作量的最大值，初始化
        {
            dp[1][i+1]=max(dp[1][i],j[i]);
        }
        for(int i=1;i<=d;i++)//递归式2，求天数的最小值
        {
            for(int k=i;k<=js;k++)//k从i开始，对应于条件：每天至少需要完成一项任务
            {
                int maxk=INT_MIN;
                for(int l=k-1;l>=i;l--)//参照递归式1，求k-1到i的区间最大值
                {
                    maxk=max(maxk,j[l]);
                    if(dp[i+1][k] == 0)
                        dp[i+1][k]=dp[i][l]+maxk;
                    else
                        dp[i+1][k] =min(dp[i+1][k],dp[i][l]+maxk);
                }
            }
        }
        return dp[d][js];
    }
    int js;
    int dp[12][301];
};

 

在dp中，为了我自己方便理解，用dp[1][1]表示第1天完成1项任务，而不是从0开始。