题目链接–>最接近目标价格的甜点成本
示例 1:
输入:baseCosts = [1,7], toppingCosts = [3,4], target = 10
输出:10
解释:考虑下面的方案组合(所有下标均从 0 开始):
- 选择 1 号基料:成本 7
- 选择 1 份 0 号配料:成本 1 x 3 = 3
- 选择 0 份 1 号配料:成本 0 x 4 = 0
总成本:7 + 3 + 0 = 10 。
示例 2:
输入:baseCosts = [2,3], toppingCosts = [4,5,100], target = 18
输出:17
解释:考虑下面的方案组合(所有下标均从 0 开始):
- 选择 1 号基料:成本 3
- 选择 1 份 0 号配料:成本 1 x 4 = 4
- 选择 2 份 1 号配料:成本 2 x 5 = 10
- 选择 0 份 2 号配料:成本 0 x 100 = 0
总成本:3 + 4 + 10 + 0 = 17 。不存在总成本为 18 的甜点制作方案。
示例 3:
输入:baseCosts = [3,10], toppingCosts = [2,5], target = 9
输出:8
解释:可以制作总成本为 8 和 10 的甜点。返回 8 ,因为这是成本更低的方案。
方案一:暴力深搜+剪枝
不断地累加并与target比较
代码一:
class Solution {
public:
int m, n;
vector<int> used; //记录toppingCosts索引项的使用次数
int res = 100000; //结果
int dif = 100000; //与target的差值
int closestCost(vector<int>& baseCosts, vector<int>& toppingCosts, int target) {
n = baseCosts.size();
m = toppingCosts.size();
used.resize(m, 0);
for(int i=0; i<n; i++){
dfs(toppingCosts, baseCosts[i], target);
}
return res;
}
void dfs(vector<int>& toppingCosts, int sum, int target){
int cur = abs(sum - target);
if(dif >= cur){
//差值相等时,取最小结果
if(dif == cur && sum > res) return;
res = sum;
dif = cur;
}
//剪枝,如果已经大于target,上述代码已进行比较,没必要再去检查更大的值了
if(sum > target) return;
for(int i=0; i<toppingCosts.size(); i++){
//使用了2次,就不能再使用,跳过
if(used[i] == 2) continue;
used[i]++;
dfs(toppingCosts, sum + toppingCosts[i], target);
//回溯
used[i]--;
}
}
};
代码二:
class Solution {
public:
int res = INT_MAX;
int closestCost(vector<int>& baseCosts, vector<int>& toppingCosts, int target) {
for(int base: baseCosts){
dfs(toppingCosts, 0, base, target);
}
return res;
}
//cur指向toppingCosts的索引位置,代表深搜的层数
void dfs(vector<int>& toppingCosts, int cur, int cost, int target){
//更新最小花费
if(abs(target-cost) < abs(target-res)
//相等时,取较小者
||(abs(target-cost) == abs(target-res) && cost<res)){
res = cost;
}
//剪枝,
if(cost >= target||cur == toppingCosts.size()){
return;
}
//3种情况,+0倍,+1倍, +2倍
dfs(toppingCosts, cur+1, cost, target);
dfs(toppingCosts, cur+1, cost+toppingCosts[cur], target);
dfs(toppingCosts, cur+1, cost+2*toppingCosts[cur], target);
}
};
方法二:动态规划 0-1背包
(题解大佬的代码拿来用)
把每一种基料和其余配料累加出所有值,并做标记,然后从这些值中搜索更新
class Solution {
public:
//将所有可能凑成的数字标记,每一种配料最多出现2次,且<10000, 假如10个数字全为10000,
//最大值为10*10000*2 = 20000;
int closestCost(vector<int>& baseCosts, vector<int>& toppingCosts, int target) {
vector<bool> can(20001);
for (int base : baseCosts)
can[base] = true;
//扩充为2倍,每个元素最多可使用两次
toppingCosts.insert(toppingCosts.end(), toppingCosts.begin(), toppingCosts.end());
for (int topping : toppingCosts) {
//从后向前将所有符合的数字标记
for (int i = 20000; i >= topping; --i)
can[i] = can[i] || can[i - topping];
}
int min_gap = INT_MAX, ans = 0;
for (int i = 1; i <= 20000; ++i){
//如果此数可用,比较得到最小值
if (can[i] && abs(i - target) < min_gap) {
ans = i;
min_gap = abs(i - target);
}
}
return ans;
}
};