动态规划 - 分割数组的最大值

动态规划求解数组分割最大值问题

最新推荐文章于 2025-01-14 16:05:34 发布

原创

最新推荐文章于 2025-01-14 16:05:34 发布 · 1.2k 阅读

2 ·

CC 4.0 BY-SA版权

给定一个非负整数数组和目标分割数m，找出将数组分割成m个非空连续子数组时，使这些子数组各自和的最大值最小。这是一道动态规划问题，具有无后向性特点。通过定义dp[i][j]表示数组前i个元素分割成j份的最小最大和，利用二分搜索和贪心策略可以找到最优解。

给定一个非负整数数组和一个整数 m，你需要将这个数组分成 m 个非空的连续子数组。设计一个算法使得这 m 个子数组各自和的最大值最小。

注意:
数组长度 n 满足以下条件:

1 ≤ n ≤ 1000
1 ≤ m ≤ min(50, n)

示例:

输入:

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

输出:
18

解释:

一共有四种方法将nums分割为2个子数组。
其中最好的方式是将其分为[7,2,5] 和 [10,8]，
因为此时这两个子数组各自的和的最大值为18，在所有情况中最小。

一道很经典的DP问题，不过所有的算法比赛中，我们在第一时间总会尝试用 borced solution
DFS 搜索把n长度的数据划分为m段，超时，不过这段dfs代码设计的还是十分巧妙的，适合很多种对数据做搜索的解法。

class Solution {
   
   
    private int ans;
    private int n, m;
    private void dfs(int[] nums, int i, int cntSubarrays, int curSum, int curMax) {
   
   
        if (i == n && cntSubarrays == m) {
   
   
            ans = Math.min(ans, curMax);
            return;
        }
        if (i == n) {
   
   
            return;
        }
        if (i > 0<