二分查找 + 贪心 | 动态规划：力扣410. 分割数组的最大值

1、题目描述：

2、题解：

方法1：二分查找
思路：

子数组的最大值是在[max(nums),sum(nums)],left = max(nums) ,right = sum(nums) 我们计算nums中子数组小于
mid = left + (right - left) // 2的值的数量，如果数量 > m说明mid选小了，我们应该加大子数组的和,也就是令
left = mid + 1，在右区间找；否则，说明mid选大了，应在左区间去找，right = mid。

Python代码如下：

class Solution:
    def splitArray(self, nums: List[int], m: int) -> int:
	#贪心
	def check_xiaoyu_mid(mid):
	    sum_,res = 0,1
	    for i in nums:
	        sum_ += i
	        if sum_ > mid:
	            res += 1
	            sum_ = i
	    return res
	#二分查找
	left,right = max(nums),sum(nums)
	while left < right:
	    mid = left + (right - left) // 2
	    if check_xiaoyu_mid(mid) > m:
	        left = mid + 1
	    else:
	        right = mid
	return left

方法2：动态规划
动态规划问题，弄清楚三点：

1、重复子问题；
2、最优子结构；
3、无后效性。

动态规划：

1、状态定义；
2、状态转移方程；
3、初始化；base case
4、输出；
5、思考状态压缩。
可以用递归去求，但是会存在重叠子问题，加个备忘录可以解决重复问题。
思路：

状态定义：
dp[i][j]:数组的前i个数分割为j段所能得到的最大连续子数组的最小值。
状态转移方程：
dp[i][j] = min(dp[i][j],max(dp[k][j-1],pre_sum[i] - pre_sum[k]))
解释：对于第j段，我们枚举k，其中前k个数被分割为j-1段，k+1 到第i个数为第j段。j段数组中和的最大值，就等于
dp[k][j-1] 与sum(nums[k+1],nums[i])的较大值。因此我们可以先设置一个前缀和数组，保存每个位置之前的和（包括该位置）
初始化：
dp[0][0] = 0，解释：前0个数分割为0段的最大连续子数组的最小值为0

Python代码如下：

class Solution:
    def splitArray(self, nums: List[int], m: int) -> int:
        #动态规划
        n = len(nums)
        dp = [[float('inf')] * (m + 1) for _ in range(n + 1)]
        #前缀和
        pre_sum = [0]
        for num in nums:
            pre_sum.append(pre_sum[-1] + num)
        dp[0][0] = 0
        for i in range(1,n+1):
            for j in range(1,min(i,m) + 1):
                for k in range(i):
                    dp[i][j] = min(dp[i][j],max(dp[k][j-1],pre_sum[i] - pre_sum[k]))
        return dp[n][m]

3、复杂度分析：

方法1：
时间复杂度：O(Nlog(sumx-maxn))，sumx表示nums的元素之和，maxn为nums中的最大值
空间复杂度：O(1)
方法2：
时间复杂度：O(N^2m),N为数组的长度，m就是题中的m
空间复杂度：O(N * m)