遇到「最值问题」还在无脑动态规划？二分法考虑一下呗

目录

1. 前言
2. 二分法基础及变种结构
3. 小试牛刀
4. 打怪升级
5. 出师试炼

前言

一般来说，遇到「最值问题」通用的方法都是动态规划，而有一类「最值问题」可以用其他方法更加巧妙、简单方便的解决，这类问题的常见问法是「使……最大值尽可能小」。

	这类问题也是大厂笔试面试常见题型，2020 年美团笔试题、字节面试题中都出现过。

这类问题有三大特征：

1. 求最值（一般是最小值）
2. 值的搜索空间是线性的
3. 对该值有一个限制条件，并且若 x 满足条件，则 [x, +∞) 都满足条件，反之 (-∞, x] 都不满足条件。

你说的我都懂，可问题是，这是啥意思呢？叉会腰，冷静一下。

为了方便大家理解这类问题到底是个什么玩意儿，本汪在这里列出 leetcode 上的一道题目作为例子：

给定一个非负整数数组和一个整数 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 个子数组各自和的最大值最小。

不熟悉二分法的同学初遇此题，看到关键词“分割成 m 份”、“最小”，就想到了动态规划。诚然此题具备了使用动态规划的一切前提条件，也确实可以通过动态规划做出来，但其时间复杂度为 $O(n^2\times m)$ , 空间复杂度为 $O(n\ast m)$.

如果你看了本汪的这篇文章，学会了用二分法解决这一类问题，那么时间复杂度可以优化到 $O(n\ast lo$