leetcode1473. 给房子涂色 III
在一个小城市里,有 m 个房子排成一排,你需要给每个房子涂上 n 种颜色之一(颜色编号为 1 到 n )。有的房子去年夏天已经涂过颜色了,所以这些房子不需要被重新涂色。
我们将连续相同颜色尽可能多的房子称为一个街区。(比方说 houses = [1,2,2,3,3,2,1,1] ,它包含 5 个街区 [{1}, {2,2}, {3,3}, {2}, {1,1}] 。)
给你一个数组 houses
,一个 m * n
的矩阵 cost
和一个整数 target
,其中:
houses[i]
:是第i
个房子的颜色,0 表示这个房子还没有被涂色。cost[i][j]
:是将第i
个房子涂成颜色j+1
的花费。
请你返回房子涂色方案的最小总花费,使得每个房子都被涂色后,恰好组成 target
个街区。如果没有可用的涂色方案,请返回 -1。
示例 1:
输入:houses = [0,0,0,0,0], cost = [[1,10],[10,1],[10,1],[1,10],[5,1]], m = 5, n = 2, target = 3
输出:9
解释:房子涂色方案为 [1,2,2,1,1]
此方案包含 target = 3 个街区,分别是 [{1}, {2,2}, {1,1}]。
涂色的总花费为 (1 + 1 + 1 + 1 + 5) = 9。
示例 2:
输入:houses = [0,2,1,2,0], cost = [[1,10],[10,1],[10,1],[1,10],[5,1]], m = 5, n = 2, target = 3
输出:11
解释:有的房子已经被涂色了,在此基础上涂色方案为 [2,2,1,2,2]
此方案包含 target = 3 个街区,分别是 [{2,2}, {1}, {2,2}]。
给第一个和最后一个房子涂色的花费为 (10 + 1) = 11。
示例 3:
输入:houses = [0,0,0,0,0], cost = [[1,10],[10,1],[1,10],[10,1],[1,10]], m = 5, n = 2, target = 5
输出:5
示例 4:
输入:houses = [3,1,2,3], cost = [[1,1,1],[1,1,1],[1,1,1],[1,1,1]], m = 4, n = 3, target = 3
输出:-1
解释:房子已经被涂色并组成了 4 个街区,分别是 [{3},{1},{2},{3}] ,无法形成 target = 3 个街区。
提示:
- m == houses.length == cost.length
- n == cost[i].length
- 1 <= m <= 100
- 1 <= n <= 20
- 1 <= target <= m
- 0 <= houses[i] <= n
- 1 <= cost[i] [j] <= 10^4
方法:动态规划
思路:
又是一个三维dp数组的问题。我们设dp(i,j,k)表示为,染完前i个房子(i+1个),共j个街区,房子i颜色为k+1(注意此处,颜色从1开始,但是下标从0开始)的最小花费。
这样的话,我们的答案就是dp(m-1,target,color)中最小的。color为0到n-1,表示颜色1-n。
下面我们考虑状态转移方程,我们可以知道,对当前房子涂色之后,有多少个街区,取决于前一个房子的颜色,这也是我们为什么在dp的第三个维度存放颜色。当当前屋子颜色与前面房子一致的时候,街区数不增加,不一致的时候,街区数增加。
因此,我们在求dp(i,j,k)的时候,即涂颜色k+1,需要考虑dp(i-1,j,k)以及dp(i-1,j-1,col),col != k。找到它们的最小值,再加上对这个房屋涂k+1的花费cost[i] [k],即为dp(i,j,k)。值得注意的是,**如果houses[i] = k,即当前房屋已经涂上k+1颜色了,那么就不需要再加cost了。如果houses[i] = 0,需要加上cost,而如果houses[i]是别的数呢,即已经涂上了别的颜色,按照题意,这种情况不符合,我们需要对这个值dp(i,j,k)赋上一个很大的数,来避免最后成为答案,**我们在下面初始化中讲解。
状态转移方程为:
d
p
(
i
,
j
,
k
)
=
m
i
n
(
d
p
(
i
−
1
,
j
,
k
)
,
d
p
(
i
−
1
,
j
−
1
,
c
o
l
)
)
+
x
,
c
o
l
=
0
,
1
,
2
,
.
.
.
,
n
−
1
,
a
n
d
c
o
l
≠
k
,
i
f
h
o
u
s
e
s
[
i
]
=
k
o
r
0
i
f
h
o
u
s
e
s
[
i
]
=
k
,
x
=
0
;
i
f
h
o
u
s
e
s
[
i
]
=
0
,
x
=
c
o
s
t
[
i
]
[
k
]
dp(i,j,k) = min(dp(i-1,j,k),dp(i-1,j-1,col))+x,col=0,1,2,...,n-1,and\ col\ne k ,if\ houses[i]=k\ or\ 0\\ if\ houses[i]=k,x = 0;if\ houses[i]=0,x = cost[i][k]
dp(i,j,k)=min(dp(i−1,j,k),dp(i−1,j−1,col))+x,col=0,1,2,...,n−1,and col=k,if houses[i]=k or 0if houses[i]=k,x=0;if houses[i]=0,x=cost[i][k]
下面讲解初始化,首先定义dp数组的时候,我们把每个位置都赋予一个很大的值,这里使用10^9,这样在遇到不符合题意的情况,pass即可,且这么大的值,在min操作中,也一定会被过滤掉。
初始化的时候,首先判断houses[0],如果0房子已经被涂色了,涂色为k+1,则dp(0,1,k) = 0
如果没涂色,那么就遍历所有颜色1-k+1,使得dp(0,1,col) = cost[0] [col]。
初始化结束。
最后的答案还需要判断,如果min(dp[m-1] [target] [:])大于等于109,则说明没有方案,返回-1。**
代码:
class Solution:
def minCost(self, houses: List[int], cost: List[List[int]], m: int, n: int, target: int) -> int:
N = 10**9
#初始化dp数组
dp = [[[N for _ in range(n)] for _ in range(target+1)] for _ in range(m)]
if houses[0]:
dp[0][1][houses[0]-1] = 0
else:
for i in range(1,n+1):
dp[0][1][i-1] = cost[0][i-1]
#开始填写dp数组
for i in range(1,m):
for j in range(1,target+1):
for k in range(1,n+1):
#下面找到最小的
temp = 10**9
for col in range(1,n+1):
if col != k:
temp = min(temp,dp[i-1][j-1][col-1])
temp = min(temp,dp[i-1][j][k-1])
#如果houses[i] = 0/k才有意义,才更新dp
if houses[i] == 0:
dp[i][j][k-1] = temp + cost[i][k-1]
elif houses[i] == k:
dp[i][j][k-1] = temp
#返回答案
ans = min(dp[m-1][target][:])
return ans if ans < 10**9 else -1