1774. 最接近目标价格的甜点成本
- 中等
你打算做甜点,现在需要购买配料。目前共有 n
种冰激凌基料和 m
种配料可供选购。而制作甜点需要遵循以下几条规则:
- 必须选择 一种 冰激凌基料。
- 可以添加 一种或多种 配料,也可以不添加任何配料。
- 每种类型的配料 最多两份 。
给你以下三个输入:
-
baseCosts
,一个长度为n
的整数数组,其中每个baseCosts[i]
表示第i
种冰激凌基料的价格。 -
toppingCosts
,一个长度为m
的整数数组,其中每个toppingCosts[i]
表示 一份 第i
种冰激凌配料的价格。 -
target
,一个整数,表示你制作甜点的目标价格。
你希望自己做的甜点总成本尽可能接近目标价格 target
。
返回最接近 target
的甜点成本。如果有多种方案,返回 成本相对较低 的一种。
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。
示例 4:
输入:baseCosts = [10], toppingCosts = [1], target = 1
输出:10
解释:注意,你可以选择不添加任何配料,但你必须选择一种基料。
提示:
n == baseCosts.length
m == toppingCosts.length
1 <= n, m <= 10
1 <= baseCosts[i], toppingCosts[i] <= 10^4
1 <= target <= 10^4
解法一:回溯
递归参数: index
,表示当前需要考虑加入配料 toppingCosts[index]
终止条件:
index==len(toppingCosts)
- 剪枝:当前花费
cost
和target
的距离更大时,直接剪枝,因为cost
只会越来越大
单层逻辑:
- 要考虑更新
ans
,根据ans
和target
的距离和cost
和target
的距离决定,要注意,当前index
层并没有考虑到toppingCosts[index]
的价格(在下一层中考虑)所以这个处理逻辑要在index==len(toppingCosts)
之前。 - 要进入搜索树的下一层,考虑下一层配料的三种添加情况
# 回溯法
# 对于每种基料,我都遍历所有的配料,每种配料可以加0个,1个,2个,然后记录花费中最接近 target 的
# 可以剪枝,对于大于 target 的花费 cost,如果 cost - target > abs(ans - target) 就直接返回了
# 因为 cost 是越来越大的
class Solution:
def __init__(self):
self.ans = 0
self.cur_cost = 0
def closestCost(self, baseCosts: List[int], toppingCosts: List[int], target: int) -> int:
self.ans = min(baseCosts)
for base_cost in baseCosts:
self.cur_cost = base_cost
self.backtracking(0, toppingCosts, target)
return self.ans
def backtracking(self, index, toppingCosts, target):
# 剪枝
if abs(self.ans - target) < self.cur_cost - target:
return
# 考虑当前花费是否可以更新答案
# 如果距 target 更近就更新,如果一样近,就选小的
if abs(self.ans - target) > abs(self.cur_cost - target):
self.ans = self.cur_cost
elif abs(self.ans - target) == abs(self.cur_cost - target):
self.ans = min(self.ans, self.cur_cost)
# 此结束条件一定要放在上一步之后,不能放在最开始,否则对于加了 toppingCosts[m-1] 的情况都没有判断
if index == len(toppingCosts):
return
# 考虑 toppingCosts[index]
for i in range(3):
self.cur_cost += toppingCosts[index] * i
self.backtracking(index + 1, toppingCosts, target)
self.cur_cost -= toppingCosts[index] * i