LC-799.香槟塔

8月22号腾讯笔试题 “水站的水流量”

799. 香槟塔

难度中等

我们把玻璃杯摆成金字塔的形状，其中 第一层 有 1 个玻璃杯， 第二层 有 2 个，依次类推到第 100 层，每个玻璃杯 (250ml) 将盛有香槟。

从顶层的第一个玻璃杯开始倾倒一些香槟，当顶层的杯子满了，任何溢出的香槟都会立刻等流量的流向左右两侧的玻璃杯。当左右两边的杯子也满了，就会等流量的流向它们左右两边的杯子，依次类推。（当最底层的玻璃杯满了，香槟会流到地板上）

例如，在倾倒一杯香槟后，最顶层的玻璃杯满了。倾倒了两杯香槟后，第二层的两个玻璃杯各自盛放一半的香槟。在倒三杯香槟后，第二层的香槟满了 - 此时总共有三个满的玻璃杯。在倒第四杯后，第三层中间的玻璃杯盛放了一半的香槟，他两边的玻璃杯各自盛放了四分之一的香槟，如下图所示。

现在当倾倒了非负整数杯香槟后，返回第 i 行 j 个玻璃杯所盛放的香槟占玻璃杯容积的比例（ i 和 j 都从0开始）。

示例 1:
输入: poured(倾倒香槟总杯数) = 1, query_glass(杯子的位置数) = 1, query_row(行数) = 1
输出: 0.00000
解释: 我们在顶层（下标是（0，0））倒了一杯香槟后，没有溢出，因此所有在顶层以下的玻璃杯都是空的。

示例 2:
输入: poured(倾倒香槟总杯数) = 2, query_glass(杯子的位置数) = 1, query_row(行数) = 1
输出: 0.50000
解释: 我们在顶层（下标是（0，0）倒了两杯香槟后，有一杯量的香槟将从顶层溢出，位于（1，0）的玻璃杯和（1，1）的玻璃杯平分了这一杯香槟，所以每个玻璃杯有一半的香槟。

示例 3:

输入: poured = 100000009, query_row = 33, query_glass = 17
输出: 1.00000

提示:

• 0 <= poured <= 109
• 0 <= query_glass <= query_row < 100

动态规划

题解来自：https://leetcode.cn/problems/champagne-tower/solution/javac-dong-tai-gui-hua-jian-dan-mo-ni-by-a412/

首先，一个杯子的体积为1，即一个香槟的体积。
根据题目可以发现，对于某个位置的杯子[i, j]若当前杯子体积大于1，那么多余的部分就会流到下一层杯子中，因此我们可以计算出每层杯子到底有多少体积的香槟流入。
对于上图可以转化为矩阵表示的图片。

• 动态规划
• 状态集合：dp[i][j]:代表第i行第j列流入的香槟体积,大于1代表已经装满
• 状态计算：对于[i, j]位置可以由[i-1,j] 和 [i-1,j-1]转移,取两者中多余部分的1/2流入该位置。
• 时间复杂度：$O(n^2)$
• 空间复杂度：$O(n^2)$

class Solution {
    public double champagneTower(int poured, int query_row, int query_glass) {
        double[][] dp = new double[query_row+5][query_row+5];
        dp[1][1] = poured;
        for(int i = 2; i <= query_row+1; i++){
            for(int j = 1; j <= i; j++){
                dp[i][j] = (Math.max(dp[i-1][j]-1,0) + 
                				Math.max(dp[i-1][j-1]-1,0))/2;
            }
        }
        return dp[query_row+1][query_glass+1] >= 1 ? 1 : dp[query_row+1][query_glass+1];
    }
}

• 空间优化：利用滚动数组,对于当前j会使用上一层前面的数dp[i-1][j-1]进行更新，因此第二层循环逆序。
• 空间复杂度：$O(n)$

class Solution {
    public double champagneTower(int poured, int n, int m) {
        double[] dp = new double[n + 5];
        dp[1] = poured;
        for (int i = 2; i <= n + 1; i++) { 
            for (int j = i; j >= 1; j--) {
                dp[j] = (Math.max(dp[j] - 1, 0) + 
                				Math.max(dp[j - 1] - 1, 0)) / 2;
            }
        } 
        return dp[m + 1] >= 1 ? 1 :dp[m + 1];
    }
}