Leetcode 410 分割数组

题目信息

LeetoCode地址: . - 力扣(LeetCode)

题目理解

将一个数组切k刀,每一块子数组求和,共k+1个数,这里面有一个最大的数Max。找一种切法,使这个Max最小。

暴力解法一定是会超时的,因为包含了大量的重复计算。

如果我们能够保存且借助已经算过的结果,在此基础上在更大范围的数组上计算,势必能节省更多的计算时间。这是动态规划的思路。

由于Max的取值上下限已知,上限是所有数的和,下限是最小的元素,如果我们能找到一种快速逼近结果的方法,也能够很快计算出结果,这是二分的思路。

动态规划写法

试想一下,在长度为[0,l]的数组上切k刀得到的Max,有可能通过哪些更小的已经计算过的Max获得?

它有可能是[0,l-1]的数组上切k-1刀的Max,和第l个元素值的最小值。

它也有可能是[0,l-2]的数组上切k-1刀的Max,和第[l-1, l]这两个元素值之和里的最小值。

它也有可能是[0,l-3]的数组上切k-1刀的Max,和第[l-2, l]这三个元素值之和里的最小值。

。。。

归纳一下,如果我们用一个二维数组dp来保存求得的Max值,则

dp[l][k] = Math.min(dp[l][k], Math.max(dp([j, k-1], k-1), sum(l-j, l), j属于0到l-1.

我们只要从前向后,由短到长不断更新dp数组,最终求得到的dp[m][k]即是答案,其中m的长度是数组长度。

在实现上,要注意,当前数组可以切的刀数一定小于数组的长度。

另外,在求某一个子数组的和时,可以采用前缀和的方法减少计算量。

class Solution {
    public int splitArray(int[] nums, int k) {
        int l = nums.length;
        int[][] dp = new int[l+1][k+1];
        int[] prefixSum = new int[l+1];
        for (int i = 0; i<=l; i++) {
            Arrays.fill(dp[i], Integer.MAX_VALUE);
        }
        dp[0][0] = 0;
        for (int i = 1; i<=l; i++) {
            prefixSum[i] = prefixSum[i-1]+nums[i-1];
        }
        dp[0][0] = 0;
        for (int i = 1; i<=l; i++) {
            for (int j = 1; j<= Math.min(i, k);j++) {
                for (int m = 0; m < i; m++) {
                    dp[i][j] = Math.min(dp[i][j], Math.max(dp[m][j-1], prefixSum[i]-prefixSum[m]));
                }

            }
        }
        return dp[l][k];
    }
}

二分+贪心写法

这种解法思路很无脑,即然我已经知道了上下限,那我就可以取中间值mid,并检查它在切k刀的前提下能够满足题意,如果满足,说明Max还可能更小,那就让上限变成mid,否则将下限变成mid+1.

至于检查的方法,则采用贪心的办法,即在当前子数组之和还小于mid的前提下,继续增加子数组的长度,直到不满足;重新开始一个子数组,直到遍历完所有数。 最后如果子数组数量小于等于题目的k,则说明mid是合法的。

class Solution {
    public int splitArray(int[] nums, int k) {
        int left = Integer.MAX_VALUE, right = 0;
        for (int num : nums) {
            right += num;
            left = Math.min(left, num);
        }
        while (left < right) {
            int mid = left + (right-left)/2;
            if (valid(nums, mid, k)) {
                right = mid;
            } else {
                left = mid+1;
            }
        }
        return right;
    }

    public boolean valid(int[] nums, int mid, int k) {
        int sum = 0;
        int cnt = 1;
        for (int num : nums) {
            if (sum + num > mid) {
                sum = num;
                if (sum > mid) {
                    return false;
                }
                cnt++;
            } else {
                sum += num;
            }
        }
        return cnt <= k;
    }
}

  • 5
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
题目描述:给定一个非负整数数组nums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个子数组中的最大和最小。 解题思路: 这是一个典型的二分搜索题目,可以使用二分查找来解决。 1. 首先确定二分的左右边界。左边界为数组中最大的值,右边界为数组中所有元素之和。 2. 在二分搜索的过程中,计算出分割数组的组数count,需要使用当前的中间值来进行判断。若当前的中间值不够分割成m个子数组,则说明mid值偏小,将左边界更新为mid+1;否则,说明mid值偏大,将右边界更新为mid。 3. 当左边界小于等于右边界时,循环终止,此时的左边界即为所求的结果。 具体步骤: 1. 遍历数组,找到数组中的最大值,并计算数组的总和。 2. 利用二分查找搜索左右边界,从左边界到右边界中间的值为mid。 3. 判断当前的mid值是否满足题目要求,若满足则更新右边界为mid-1; 4. 否则,更新左边界为mid+1。 5. 当左边界大于右边界时,循环终止,返回左边界即为所求的结果。 代码实现: ```python class Solution: def splitArray(self, nums: List[int], m: int) -> int: left = max(nums) right = sum(nums) while left <= right: mid = (left + right) // 2 count = 1 total = 0 for num in nums: total += num if total > mid: total = num count += 1 if count > m: left = mid + 1 else: right = mid - 1 return left ``` 时间复杂度分析:二分搜索的时间复杂度为O(logN),其中N为数组的总和,而遍历数组的时间复杂度为O(N),因此总的时间复杂度为O(NlogN)。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值