【算法】Minimum Difficulty of a Job Schedule 工作计划的最低难度

Minimum Difficulty of a Job Schedule 工作计划的最低难度

问题描述:

问题

你需要制定一份 d 天的工作计划表。工作之间存在依赖,要想执行第 i 项工作,你必须完成全部 j 项工作( 0 <= j < i)。

你每天 至少 需要完成一项任务。工作计划的总难度是这 d 天每一天的难度之和,而一天的工作难度是当天应该完成工作的最大难度

给你一个整数数组 jobDifficulty 和一个整数 d,分别代表工作难度和需要计划的天数。第 i 项工作的难度是 jobDifficulty[i]。

返回整个工作计划的 最小难度 。如果无法制定工作计划,则返回 -1 。

jobDifficulty范围[1,300]
jobDifficulty[i]范围[0,1000]
d范围[1,10]

分析

问题中定义了【最小难度

最小难度是每天处理任务的最大难度的累加和

而且每天至少需要完成一个任务,总共有 d d d天,所以任务的数量必须是 c n t > = d cnt>=d cnt>=d,否则就无法符合题目要求,返回-1.
如果每天的工作难度 h h h表示,最小难度 min ⁡ ( h ) = h 1 + h 2 + . . . + h d \min(h) = h1+h2+...+hd min(h)=h1+h2+...+hd.要使得 min ⁡ ( h ) \min(h) min(h)最小,就需要累加和最小。
每个 h h h都是当天完成任务的最大值,所以前面的 h h h发生了变化,可能会影响到后面的 h h h

如果存在最小的难度,那么就一定存在 d 组 d组 d连续的划分,类似 { h 1 } { h 2 } { h d } \{h1\}\{h2\}\{hd\} {h1}{h2}{hd}.

记 j o b 的总数为 N 记job的总数为N job的总数为N
比较暴力的思路就是对每一天的任务,进行枚举,即对于第 i i i天,如果第 i − 1 i-1 i1天的最后一个任务 j o b [ x − 1 ] job[x-1] job[x1],那么 第 i i i天的任务就从 j o b [ x ] job[x] job[x]开始,向后扩展到 j o b [ y ] job[y] job[y],然后取 m a x j o b [ x ] → j o b [ y ] max{job[x]\rightarrow job[y]} maxjob[x]job[y],同时要保证 i + 1 → d i+1\rightarrow d i+1d的天数每天至少有1个任务, d − ( i + 1 ) + 1 < = N − y , d − i − N > = y d-(i+1)+1<= N-y, d-i-N>=y d(i+1)+1<=Ny,diN>=y.
然后逐一累加,需要枚举大量的组合。

设计dfs, d f s ( i n t d a y , i n t j o b N ) dfs(int day,int jobN) dfs(intday,intjobN)表示在工作时间为day,完成到第 j o b N jobN jobN个任务时,可以得到的最小难度

时间复杂度 O ( N 2 ) O(N^2) O(N2)
空间复杂度: O ( N 2 ) O(N^2) O(N2)

代码

	public int N;
    public int[] job,rec; 
    public int minDifficulty(int[] jobDifficulty, int d) {
        N = jobDifficulty.length;
        if(N<d) return -1;
        job = jobDifficulty;
        rec = new int[N];  
        for(int i = 0,max = -1;i<N;i++){
            rec[i] =  Math.max(max,job[i]);
            max = Math.max(max,job[i]);
        } 
        return dfs(d,N-1);
    }
    public int dfs(int day,int ind){  
        if(day==1){ 
            return rec[ind];            
        }
        int res = Integer.MAX_VALUE,mx = job[ind]; 
        for(int len= 1;;len++){ 
            int j = ind -len ;
            if(j+1<day-1) break; 
            mx = Math.max(mx,job[j+1]);            
            int tmp = dfs(day-1,j)+mx;
            res = Math.min(res,tmp);  
        } 
        return res;
    }

纯暴力递归是TLE的

	public int N;
    public int[] job,rec;
    public int[][] memo;
    public int minDifficulty(int[] jobDifficulty, int d) {
        N = jobDifficulty.length;
        if(N<d) return -1;
        job = jobDifficulty;
        rec = new int[N];
        memo = new int[d+1][N+1];
        for(int i = 0;i<=d;i++){
            Arrays.fill(memo[i],-1);
        }
        for(int i = 0,max = -1;i<N;i++){
            rec[i] =  Math.max(max,job[i]);
            max = Math.max(max,job[i]);
        } 
        return dfs(d,N-1);
    }
    public int dfs(int day,int ind){ 
        if(memo[day][ind]!=-1) return memo[day][ind];
        if(day==1){ 
            return rec[ind];            
        }
        int res = Integer.MAX_VALUE,mx = job[ind]; 
        for(int len= 1;;len++){ 
            int j = ind -len ;
            if(j+1<day-1) break; 
            mx = Math.max(mx,job[j+1]);            
            int tmp = dfs(day-1,j)+mx;
            res = Math.min(res,tmp);  
        } 
        return memo[day][ind] = res;
    }

加记忆化

还可以继续优化, To Be Continue…

滚动数组

动态规划

单调栈

Tag

Array Dynamic Programming

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

打赏作者

Eric.Cui

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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