LeetCode——1883. 准时抵达会议现场的最小跳过休息次数(Minimum Skips to Arrive at Meeting On Time)[困难]——分析及代码（Java）

本文链接：https://blog.csdn.net/zml66666/article/details/117604797

LeetCode——1883. 准时抵达会议现场的最小跳过休息次数[Minimum Skips to Arrive at Meeting On Time][困难]——分析及代码[Java]

一、题目
二、分析及代码
- 1. 动态规划
三、其他

一、题目

给你一个整数 hoursBefore ，表示你要前往会议所剩下的可用小时数。要想成功抵达会议现场，你必须途经 n 条道路。道路的长度用一个长度为 n 的整数数组 dist 表示，其中 dist[i] 表示第 i 条道路的长度（单位：千米）。另给你一个整数 speed ，表示你在道路上前进的速度（单位：千米每小时）。

当你通过第 i 条路之后，就必须休息并等待，直到下一个整数小时才能开始继续通过下一条道路。注意：你不需要在通过最后一条道路后休息，因为那时你已经抵达会议现场。

例如，如果你通过一条道路用去 1.4 小时，那你必须停下来等待，到 2 小时才可以继续通过下一条道路。如果通过一条道路恰好用去 2 小时，就无需等待，可以直接继续。

然而，为了能准时到达，你可以选择跳过一些路的休息时间，这意味着你不必等待下一个整数小时。注意，这意味着与不跳过任何休息时间相比，你可能在不同时刻到达接下来的道路。

例如，假设通过第 1 条道路用去 1.4 小时，且通过第 2 条道路用去 0.6 小时。跳过第 1 条道路的休息时间意味着你将会在恰好 2 小时完成通过第 2 条道路，且你能够立即开始通过第 3 条道路。

返回准时抵达会议现场所需要的最小跳过次数，如果无法准时参会，返回 -1 。

示例 1：

输入：dist = [1,3,2], speed = 4, hoursBefore = 2
输出：1
解释：
不跳过任何休息时间，你将用 (1/4 + 3/4) + (3/4 + 1/4) + (2/4) = 2.5 小时才能抵达会议现场。
可以跳过第 1 次休息时间，共用 ((1/4 + 0) + (3/4 + 0)) + (2/4) = 1.5 小时抵达会议现场。
注意，第 2 次休息时间缩短为 0 ，由于跳过第 1 次休息时间，你是在整数小时处完成通过第 2 条道路。

示例 2：

输入：dist = [7,3,5,5], speed = 2, hoursBefore = 10
输出：2
解释：
不跳过任何休息时间，你将用 (7/2 + 1/2) + (3/2 + 1/2) + (5/2 + 1/2) + (5/2) = 11.5 小时才能抵达会议现场。
可以跳过第 1 次和第 3 次休息时间，共用 ((7/2 + 0) + (3/2 + 0)) + ((5/2 + 0) + (5/2)) = 10 小时抵达会议现场。

示例 3：

输入：dist = [7,3,5,5], speed = 1, hoursBefore = 10
输出：-1
解释：即使跳过所有的休息时间，也无法准时参加会议。

提示：

n == dist.length
1 <= n <= 1000
1 <= dist[i] <= 10^5
1 <= speed <= 10^6
1 <= hoursBefore <= 10^7

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/minimum-skips-to-arrive-at-meeting-on-time
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

二、分析及代码

1. 动态规划

（1）思路

设计一个动态规划数组 dp，dp[i][j] 表示途径 i 条道路跳过 j 次休息情况下的最小用时，遍历过程中根据上一道路是否休息选取最小值，结合状态转移方程求解。
需要注意的是，由于浮点数计算及向上取整可能产生误差，需进行专门处理，详见浮点数运算的细节。

（2）代码

class Solution {
    public int minSkips(int[] dist, int speed, int hoursBefore) {
        int n = dist.length;
        double eps = 1e-8, inf = 1e10;//eps用于避免浮点数计算误差导致向上取整后出现错误，inf作为最大值初始化动态规划数组
        double[][] dp = new double[n + 1][n + 1];//dp[i][j]表示途径i条道路跳过j次休息时的最小用时
        for (int i = 0; i <= n; i++)
            Arrays.fill(dp[i], inf);
        //动态规划
        dp[0][0] = 0;
        for (int i = 1; i <= n; i++) {
            double t = (double)dist[i - 1] / speed;//第i条道路耗时
            dp[i][0] = Math.ceil(dp[i - 1][0] - eps) + t;//单独计算不跳过休息时的值
            dp[i][i] = dp[i - 1][i - 1] + t;//单独计算跳过所有休息时的值
            for (int j = i - 1; j > 0; j--)
                dp[i][j] = Math.min(Math.ceil(dp[i - 1][j] - eps) + t, dp[i - 1][j - 1] + t);//根据上一道路是否休息，确定最小值
        }
        for (int i = 0; i <= n; i++)//遍历寻找边界，也可用二分进一步优化
            if (dp[n][i] <= hoursBefore + eps)
                return i;
        return -1;
    }
}