有一堆石头,用整数数组 stones
表示。其中 stones[i]
表示第 i
块石头的重量。
每一回合,从中选出任意两块石头,然后将它们一起粉碎。假设石头的重量分别为 x
和 y
,且 x <= y
。那么粉碎的可能结果如下:
- 如果
x == y
,那么两块石头都会被完全粉碎; - 如果
x != y
,那么重量为x
的石头将会完全粉碎,而重量为y
的石头新重量为y-x
。
最后,最多只会剩下一块 石头。返回此石头 最小的可能重量 。如果没有石头剩下,就返回 0
。
示例 1:
输入:stones = [2,7,4,1,8,1] 输出:1 解释: 组合 2 和 4,得到 2,所以数组转化为 [2,7,1,8,1], 组合 7 和 8,得到 1,所以数组转化为 [2,1,1,1], 组合 2 和 1,得到 1,所以数组转化为 [1,1,1], 组合 1 和 1,得到 0,所以数组转化为 [1],这就是最优值。
示例 2:
输入:stones = [31,26,33,21,40] 输出:5
提示:
1 <= stones.length <= 30
1 <= stones[i] <= 100
思路:
其实这道题是套了皮的01背包,题意为让我们把石子分成两堆,使得两堆之和尽可能相等。
所以用01背包翻译就是,请在数组 stones 中,选出若干个石子,每个石子只能选择一次,使得它们之和尽可能等于 sum(stones)。
第一种实现:
01背包标准递归解,但是要额外加一个参数表示已经选择的石子的总和。
时间复杂度: o(len(stones) * sum(stones))
空间复杂度:o(len(stones) * sum(stones))
class Solution:
def lastStoneWeightII(self, stones: List[int]) -> int:
n, s = len(stones), sum(stones)
t = s // 2
res = 0
@cache
def dfs(i, c, cur_s):
nonlocal res
if i < 0:
res = max(cur_s, res)
return
if c < stones[i]:
dfs(i - 1, c, cur_s)
else:
dfs(i - 1, c, cur_s)
dfs(i - 1, c - stones[i], cur_s + stones[i])
dfs(n - 1, t, 0)
# print(s, res)
return (s - res) - res
第二种实现:
把递归解推广到DP解。
时空复杂度相同于递归解。
class Solution:
def lastStoneWeightII(self, stones: List[int]) -> int:
n, s = len(stones), sum(stones)
t = s // 2
res = 0
dp = [[0] * (t + 1) for _ in range(n + 1)]
# dp[i][j] represents the maximum weights of weights that we have crashed
for i in range(n):
for c in range(t + 1):
if c < stones[i]:
dp[i + 1][c] = dp[i][c]
else:
dp[i + 1][c] = max(dp[i][c], stones[i] + dp[i][c - stones[i]])
# print(res, dp)
res = dp[n][t]
return (s - res) - res