410 分割数组的最大值

题目描述:
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。

注意:
数组长度 n 满足以下条件:
1 ≤ n ≤ 1000
1 ≤ m ≤ min(50, n)

示例:
输入:
nums = [7,2,5,10,8]
m = 2
输出:
18

解释:
一共有四种方法将nums分割为2个子数组。
其中最好的方式是将其分为[7,2,5] 和 [10,8],
因为此时这两个子数组各自的和的最大值为18,在所有情况中最小。

方法1:动态规划
主要思路:
(1)dp[ i ][ j ]表示前 i 个元素组成 j 组的情况下,可以获得各自和的最大值的最小值;
(2)则dp[ i ][ j ]的状态可以从 dp[ k ][ j-1 ]的状态下获得,既将 前 k 个元素分成 j-1 个组,后面的 i-k 个作为第 j 组,来获得可能的 dp[ i ][ j ],则此时的可能的最大和为max(dp[k][j-1],sub_sum[i]-sub_sum[k]),其中 sub_sum [ i ]表示前 i 个元素的和,然后在这些可能的选项中选出最小值即可,既dp[i][j]=min(dp[i][j],max(dp[k][j-1],sub_sum[i]-sub_sum[k]));
(3)最后,返回结果值 dp[size_nums][m];

class Solution {
public:
    int splitArray(vector<int>& nums, int m) {
        int size_nums=nums.size();
        //动态数组
        vector<vector<long long >> dp(size_nums+1,vector<long long>(m+1,LLONG_MAX));
        //数据的部分和
        vector<long long> sub_sum(size_nums+1,0);
        for(int i=0;i<size_nums;++i){
            sub_sum[i+1]=nums[i]+sub_sum[i];
        }
        dp[0][0]=0;//初始值
        //前i个元素进行分组
        for(int i=1;i<=size_nums;++i){
        	//最多可分的组数是 i 和 m 中的较小值
            for(int j=1;j<=min(i,m);++j){
            	//前面可以分 j-1 组的情形
                for(int k=j-1;k<i;++k){
                	//求最大值中的最小值
                    dp[i][j]=min(dp[i][j],max(dp[k][j-1],sub_sum[i]-sub_sum[k]));
                }
            }
        }
        return dp[size_nums][m];
    }
};
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    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
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