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)