arr代表居民位置，想建k个邮局，则所有居民到k个邮局之间的距离之和最小是？

arr代表居民位置，想建k个邮局，则所有居民到k个邮局之间的距离之和最小是？

提示：本题是经典的四边形不等式优化枚举的题目！非常困难

关于四边形不等式的优化，我暂时也就写这一题，然后后面有时间我再多讲几个
重要的是要把互联网大厂的基础算法原型搞清楚，突破了简单一点的那些题目，然后才能攻克这些动态规划难题。
考试的时候一般就2小时，可能都没有时间来写这些题目了。

---

题目

arr代表整个x轴上，每一户居民家的位置，现在想在这些居民点建k个邮局，请问，所有居民到这k个邮局之间的最小距离是多少？

---

一、审题

示例：arr=3 7 15，k=1
整个范围上建k=1个邮局
自然是建在中点处
则7–7的距离，0
+3–7的距离，4
+15–7的距离，8
=12
这就是最小距离

你当然可以将邮局建在3或者15那
比如建在3上，那d就是16，显然不是最小距离

---

二、解题

看了实例就明白了，想让arr整个0–N-1范围上建立k个邮局，要求arr到负责他们各自的邮局的距离最短，然后求整个最短距离的和的最小值。

这个题显然就是一个动态规划题目！
这种2个变动的变量，就是样本位置对应模型，0–i范围内，建j个邮局，求居民们到k个邮局的最小距离和定义为：dp[i][j]
最终咱们取结果：dp[N-1][k]， 即整个0–N-1范围上建立k个邮局，要求arr到负责他们各自的邮局的距离最短，最短距离的和的最小值就是dp[N-1][k]

需要填一个表格：
（1）第0列，咱不需要填写，因为你j=0，就是建0个邮局，最小距离则为无穷大。
（2）第0行，全是0，为啥呢？因为你在0位置建1,2，3–k个邮局，全部只能建在0位置上，所以距离就是0，没啥多说的

（3）第1列，这里比较特殊：
第一列的每一行叫dp[i][1]
啥意思呢？就是0–i范围内建1个邮局来负责所有的居民，那这最短距离是多少呢？
我们来推一下，很简单，实际上就是i/2位置处，就是最好的建址：
i=1：在arr=0 1上建1个邮局，你往0上建，1上建，一样，dp[1][1]=0+arr[1]-arr[0];
i=2：在arr=0 1 2上建1个邮局，上面求过了0 1的情况，现在只考虑2，其实我们把0 1的邮局当建在1也是一样的，刚刚说过
所以呢，此时就建在1上，对于1 2来说，就是最短的，dp[2][1]=dp[1][1]+arr[2]-arr[1];
i=3：在arr=0 1 2 3上建1个邮局，显然，在1和2上任意一个位置建，都一样，不妨去上中位数位置i/2=3/2=1，在1上建的话
只需要考虑3新带来的距离：dp[3][1]=dp[2][1]+arr[3]-arr[1];
……
一样，总结一下，新来一个i，直接让dp[i][1]=dp[i-1][1]+arr[i]-arr[i/2]; ，这里是0–i范围内，用1个邮局负责得到的最短距离
因此，我们完全可以利用一个数组，提前把这个算出来，然后一会以o(1)速度调用

定义：record[L][R]代表啥呢？
代表在L和R的中点建1个邮局，负责L–R范围上的居民，居民到邮局的最短距离和
根据上面的0–i范围内的推论，L–R范围内的最短距离和是这样求的
即：record[L][R] = record[L][R - 1] + arr[R] - arr[(L + R) >> 1];

public static int[][] getRecord(int[] arr){
        int N = arr.length;
        int[][] record = new int[N][N];

        //主对角线已经是000，不管了
        //从i==0，j==i+1开始填表，才能保证左下角不用填写
        for (int L = 0; L < N; L++) {
            for (int R = L + 1; R < N; R++) {//起点是L+1，副对角那
                record[L][R] = record[L][R - 1] + arr[R] - arr[(L + R) >> 1];//补中点的距离就行了，这就是最短的距离，没啥可说的
            }
        }

        return record;
    }

那么自然：dp[i][1] = record[0][i] ;0–i范围内建一个邮局，得到的最短距离和

好，来看任意位置格子dp[i][j]怎么填？
（4）dp[i][j]咋求？
再把上面那图复制下来，咱看着表解释：
样本位置对应模型：一个样本i变量做行，另一个样本j做列，自然这么思考，考虑i做开头，或者结尾，此处，咱看i处做结尾的情况
我们说了，dp[i][j]是0–i范围内建j个邮局，得到的最短距离和
所以，我们来枚举下列所有的情况：
dp[i][j] = min（下面的所有可能性）
——在0–i-1范围内由j-1个邮局负责，而i–i范围内单独由1个邮局负责（这算是0–i范围内由j个邮局负责）；d=dp[i-1][j-1]+record[i][i];
——在0–i-2范围内由j-1个邮局负责，而i-1–i范围内单独由1个邮局负责；d=dp[i-2][j-1]+record[i-1][i];
——在0–i-3范围内由j-1个邮局负责，而i-2–i范围内单独由1个邮局负责；d=dp[i-3][j-1]+record[i-2][i];
……
——在0–0范围内由j-1个邮局负责，而1–i范围内单独由1个邮局负责；d=dp[i-i][j-1]+record[i-i+1][i];
——j-1个邮局咱都认为坏了，不建了，而0–i范围内单独由1个邮局负责d=0+record[i-i][i];

观察一下，整个dp[i][j] 依赖左边j-1列，所有0–i行那些格子
因此，我们可以把代码这么写：

//有了record，我们就能填dp了，这样操作为o(1)
    //dpij填写是o(n^2)
    public static int minDistancePostOffice(int[] arr, int k){
        if (arr == null || arr.length == 0 || k < 0) return 0;

        int N = arr.length;
        int[][] dp = new int[N][k + 1];//因为j==0---k，k+1个取值
        int[][] record = getRecord(arr);//拿到一个范围上只有一个邮局的处理结果，最短距离

        //第0列咱不用，不管
        //第0行，因为就一个用户，你用的邮局数量>用户数量，自然就是距离为0，天然就是
        //第1列,1个邮局，负责0--i号用户的情况，那自然那record就行呗
        for (int i = 0; i < N; i++) {
            dp[i][1] = record[0][i];
        }
        //然后任意位置ij,j==2开始
        for (int i = 0; i < N; i++) {
            for (int j = 2; j <= Math.min(k, i); j++) {
                //实际的填表时，发现，如果i+1个用户数量<=j个邮局，那结果必然是0
                //所以当j超过了i+1就算了，而且j最多也只能取到k，没那么多
                dp[i][j] = record[0][i];//枚举的最后一个情况，让0--i全部由一个邮局负责，其他j-1个邮局啥也不干……
                //然后对比其他的枚举情况，取最小值，t号居民
                for (int t = i; t > 0; t--) {
                    dp[i][j] = Math.min(dp[i][j], record[t][i] + dp[t - 1][j - 1]);
                    //枚举我1一个邮局负责t--i，最小距离d1,
                    // 然后j-1个邮局负责0--t-1这些居民,d2，
                    // dpij==d1+d2
                }
            }
        }

        return dp[N - 1][k];//返回整个居民范围上，建k个邮局能达到的最短距离
    }

——解释一下代码中：j <= Math.min(k, i);
这里啥意思呢？为啥j要小于k和i的最小值，也就是说j>=i的不用填了，距离为0
j>i也即j。=i+1说明什么问题，j是邮局的个数，i+1是居民的个数，当邮局数量>=居民数量时，完全可以一个居民一个邮局，整个距离就是0，何必再填表格呢？懂了吧。
——开始枚举之前，首先让距离为0–i范围内全部让1个邮局负责，也就是枚举行为中的最后一种情况，这个距离一般来说都是很大的，在枚举其他情况时，会有更好更小的距离，因此最开始枚举前直接让：dp[i][j] = record[0][i];
——然后枚举其他情况，让j-1个邮局负责0–t-1范围，让1个邮局负责t–i范围，t从i开始枚举，最后t最小为1，【0的话就是dp[i][j] = record[0][i];刚刚已经放前面了】势必会有更小的距离和，更新给 dp[i][j]；

//然后对比其他的枚举情况，取最小值，t号居民
                for (int t = i; t > 0; t--) {
                    dp[i][j] = Math.min(dp[i][j], dp[t - 1][j - 1] + record[t][i]);
                    // 然后j-1个邮局负责0--t-1这些居民,d2，
                    //枚举我1一个邮局负责t--i，最小距离d1,
                    // dpij==d1+d2
                }

测试代码：

public static void test(){
        int[] arr = {3,18,105,877,987,1003};
        int k = 3;
        System.out.println(minDistancePostOffice(arr, k));
    }


    public static void main(String[] args) {
        test();
    }

---

下面的可以不看，我也没搞懂，后面有机会再搞

好，上面的时间复杂度，我们可以算一下
填表o(n^2) * o（k）枚举
显然复杂度还是很高的

而本题是需要优化的，恰是四边形不等式优化【这就是个名字，没啥特殊含义】，目的是省掉很多枚举行为：
所谓四边形不等式，有这么几个特征：
（1）观察dp[i][j]，当固定j时，如果增大i，也就是说同样的邮局j，要负责更大范围内的邮局，整个dp[i][j]距离和必然会增大；——单调性
（2）观察dp[i][j]，当固定i时，如果增大j，也就是说同样的居民数量，邮局变多了，那自然整个dp[i][j]距离和会变小的；——单调性
（3）dp[i][j]往往是区间划分问题，就像上面划分枚举0–t-1，t–i俩区间去放邮局这样。
（4）dp[i][j]不同时依赖i行和j列【即，要么i行j列都不依赖，要么最依赖i行，要么只依赖j列，决不能同时依赖i行和j列】
比如本题，只依赖i行j-1列那个格子和j-1列其他格子，但是不同时依赖行和j列。
则完全可以把枚举行为限制在a<=t<=b之间
a和b什么意思：
如果满足上面四个特征，这就是四边形不等式的优化，枚举行为t，可以限制在上方和右边的位置……
别看了，我也没搞懂………………
今后有机会，我理解清楚再来搞这个四边形不等式优化。

---

总结

提示：重要经验：

1）四边形不等式的优化，目的是省掉枚举行为，但是不懂没关系
2）就暂时先懂本题用动态规划怎么求解就行