打卡17天：猜数字大小 II

---

题目描述

我们正在玩一个猜数游戏，游戏规则如下：

我从 1 到 n 之间选择一个数字。
你来猜我选了哪个数字。
如果你猜到正确的数字，就会 赢得游戏 。
如果你猜错了，那么我会告诉你，我选的数字比你的 更大或者更小 ，并且你需要继续猜数。
每当你猜了数字 x 并且猜错了的时候，你需要支付金额为 x 的现金。如果你花光了钱，就会 输掉游戏 。
给你一个特定的数字 n ，返回能够 确保你获胜 的最小现金数，不管我选择那个数字 。

提示：

• 1 <= n <= 200

示例 1：

输入：n = 10
输出：16
解释：制胜策略如下：

• 数字范围是 [1,10] 。你先猜测数字为 7 。
  • 如果这是我选中的数字，你的总费用为 $0 。否则，你需要支付 $7 。
  • 如果我的数字更大，则下一步需要猜测的数字范围是 [8,10] 。你可以猜测数字为 9 。
    • 如果这是我选中的数字，你的总费用为 $7 。否则，你需要支付 $9 。
    • 如果我的数字更大，那么这个数字一定是 10 。你猜测数字为 10 并赢得游戏，总费用为 $7 + $9 = $16 。
    • 如果我的数字更小，那么这个数字一定是 8 。你猜测数字为 8 并赢得游戏，总费用为 $7 + $9 = $16 。
  • 如果我的数字更小，则下一步需要猜测的数字范围是 [1,6] 。你可以猜测数字为 3 。
    • 如果这是我选中的数字，你的总费用为 $7 。否则，你需要支付 $3 。
    • 如果我的数字更大，则下一步需要猜测的数字范围是 [4,6] 。你可以猜测数字为 5 。
      • 如果这是我选中的数字，你的总费用为 $7 + $3 = $10 。否则，你需要支付 $5 。
      • 如果我的数字更大，那么这个数字一定是 6 。你猜测数字为 6 并赢得游戏，总费用为 $7 + $3 + $5 = $15 。
      • 如果我的数字更小，那么这个数字一定是 4 。你猜测数字为 4 并赢得游戏，总费用为 $7 + $3 + $5 = $15 。
    • 如果我的数字更小，则下一步需要猜测的数字范围是 [1,2] 。你可以猜测数字为 1 。
      • 如果这是我选中的数字，你的总费用为 $7 + $3 = $10 。否则，你需要支付 $1 。
      • 如果我的数字更大，那么这个数字一定是 2 。你猜测数字为 2 并赢得游戏，总费用为 $7 + $3 + $1 = $11 。 在最糟糕的情况下，你需要支付 $16 。因此，你只需要 $16 就可以确保自己赢得游戏。

示例 2：

输入：n = 1
输出：0
解释：只有一个可能的数字，所以你可以直接猜 1 并赢得游戏，无需支付任何费用。

示例 3：

输入：n = 2
输出：1
解释：有两个可能的数字 1 和 2 。

• 你可以先猜 1 。
  • 如果这是我选中的数字，你的总费用为 $0 。否则，你需要支付 $1 。
  • 如果我的数字更大，那么这个数字一定是 2 。你猜测数字为 2 并赢得游戏，总费用为 $1 。 最糟糕的情况下，你需要支付 $1 。

---

一、解题思路

这道题可以用“动态规划”解决。先求一部分的最优解，之后在这部分的基础上再求最优解。

• dp[i][j]：在 [i,j] 中确保获胜的最小花费。
• 状态转移方程：dp[i][j] = Math.min(dp[i][j], k + Math.max(dp[i][k - 1] , dp[k + 1][j]));
• 初值：定义一个int类型的二维矩阵，初值为0 ，int [][]dp = new int[n + 1][n + 1];

---

二、完整代码

class Solution {
    public int getMoneyAmount(int n) {
        //初始化，皆为0
        int [][]dp = new int[n + 1][n + 1];

        //保持i，j反向：大区间的结果依赖于小区间的结果，先算小的
        for(int i = n - 1; i >= 1; i--){
            for(int j = i + 1; j <= n; j++){
                dp[i][j] = Integer.MAX_VALUE;
                for(int k = i; k < j; k ++){
                    // 左右二选一得到一个结果，然后取结果中最小的
                    dp[i][j] = Math.min(dp[i][j], k + Math.max(dp[i][k - 1] , dp[k + 1][j]));
                }
            }
        }
        return dp[1][n];
    }
}

---

总结

这道题还能用“递归”的方法解决。