2020/06/07 rank 561 / 3614 AC:3/4
重点讲解最后一题,是一道三维DP问题,关键还是在于想清楚,什么是状态,状态如何定义。状态的转换方法。
首先我们不能把题目想的过于复杂,题目的本质最多就是一个dp问题,我们还是可以从左往右依次进行染色。这道题目做的时候复杂是因为题目给了多个限制,一个是要求得到满足的分类,同时还需要保持成本最小的要求。
坑神在讲解里面提到,“限制给的越死,dp的状态越容易定义” 我们可以思考下,这个问题涉及到了那些东西。状态一定是由性质组成的,我们需要分析清楚,每一个状态下,存在哪些性质。
首先,我们依次进行染色,因此肯定是存在一个第i
个房子这个参数,其次我们还需要知道当前已经组成了几个街区了j
,并且我们在添加新的染色时候,还需要知道前一个房子的颜色,这样我们才可以定义刷颜色时候,是否增加了新的街区。
状态的定义
因此我们定义dp为,dp[i][j][k]
表示在刷完第i
个房子时,已经有了j
个街区,并且前一个房屋的颜色为k
。
状态的转换
我们需要枚举每次刷的颜色和上一个房子的颜色,需要注意一点也是题目中复杂的地方,部分房屋已经有了颜色。
- 对于有颜色的房屋,我们只枚举上一个房子的颜色,因为当前房子的颜色时固定的,同时代价为0。分别考虑上一个房子的颜色与当前的颜色是否一样,
dp[i][j][k] = min(dp[i][j][k], dp[i-1][j][u])
或者dp[i][j][k] = min(dp[i][j][k], dp[i-1][j-1][u])
- 对于没有颜色的房屋,我们外层循环当前的打算涂的颜色,内层循环前一个房子可能的颜色。
状态的初始化
我们前面已经给出了状态dp[i][j][k]
我们思考每个的维度,首先房子个数最大为m,街区最大也为m,颜色个数为n。因此我们在生成数组时dp = [[[float('inf')]*(1+n) for _ in range(m+1)]for _ in range(m)]
.
另外就是初始化的问题,我们还是考虑了float('inf')
作为一种不可能事件,唯一需要修改的就是为第一个房子的信息。
代码
class Solution:
def minCost(self, houses: List[int], cost: List[List[int]], m: int, n: int, target: int) -> int