合并石头的最低成本
难度:
标签:
题目描述
代码结果
运行时间: 32 ms, 内存: 16.8 MB
/*
* 思路:
* 使用Java Stream API实现相同的动态规划解决方案。
* 1. 使用流来初始化前缀和数组。
* 2. 在DP部分依旧采用嵌套循环实现。
*/
import java.util.Arrays;
import java.util.stream.IntStream;
public class Solution {
public int mergeStones(int[] stones, int K) {
int n = stones.length;
if ((n - 1) % (K - 1) != 0) return -1;
int[][] dp = new int[n][n];
int[] prefixSum = new int[n + 1];
IntStream.range(0, n).forEach(i -> prefixSum[i + 1] = prefixSum[i] + stones[i]);
IntStream.rangeClosed(K, n).forEach(len ->
IntStream.rangeClosed(0, n - len).forEach(i -> {
int j = i + len - 1;
dp[i][j] = IntStream.iterate(i, m -> m < j, m -> m + K - 1)
.map(m -> dp[i][m] + dp[m + 1][j])
.min().orElse(Integer.MAX_VALUE);
if ((j - i) % (K - 1) == 0) dp[i][j] += prefixSum[j + 1] - prefixSum[i];
})
);
return dp[0][n - 1];
}
}
解释
方法:
本题解采用动态规划方法解决合并石头的问题。动态规划数组 f[i][j] 用于存储从 i 到 j 合并成一堆的最小成本。首先检查 (n - k) % (k - 1) 是否为 0,如果不为 0 则返回 -1,因为这意味着不能通过 k 堆合并的方式最终合并成一堆。定义一个前缀和数组 s 以便快速计算任意区间的石头总数。核心的动态规划过程是考虑所有可能的分割方法,即对于每个区间 [i, j],考虑所有可能的中间点 u,通过这些中间点将问题拆解为两个子问题。当区间长度 l 符合可以整体合并的条件时,累加整个区间的石头总量到成本中。
时间复杂度:
O(n^3)
空间复杂度:
O(n^2)
代码细节讲解
🦆
题解中提到的前缀和数组s是如何帮助快速计算任意区间的石头总数的?具体是如何应用在动态规划更新中的?
▷🦆
在动态规划的过程中,为何在特定的分割点u停止,且步长为k-1?这样的分割是否总是最优?
▷🦆
对于边界情况,比如数组长度n等于k时,题解中的动态规划方法是否有特殊处理?
▷🦆
题解提到当`(n-k) % (k-1) != 0`时直接返回-1,能否解释为什么n和k的这种关系会导致无法合并成一堆?
▷相关问题
戳气球
有 n
个气球,编号为0
到 n - 1
,每个气球上都标有一个数字,这些数字存在数组 nums
中。
现在要求你戳破所有的气球。戳破第 i
个气球,你可以获得 nums[i - 1] * nums[i] * nums[i + 1]
枚硬币。 这里的 i - 1
和 i + 1
代表和 i
相邻的两个气球的序号。如果 i - 1
或 i + 1
超出了数组的边界,那么就当它是一个数字为 1
的气球。
求所能获得硬币的最大数量。
示例 1:
输入:nums = [3,1,5,8] 输出:167 解释: nums = [3,1,5,8] --> [3,5,8] --> [3,8] --> [8] --> [] coins = 3*1*5 + 3*5*8 + 1*3*8 + 1*8*1 = 167
示例 2:
输入:nums = [1,5] 输出:10
提示:
n == nums.length
1 <= n <= 300
0 <= nums[i] <= 100