【C++动态规划】1547. 切棍子的最小成本|2116

本文涉及知识点

C++动态规划

LeetCode1547. 切棍子的最小成本

有一根长度为 n 个单位的木棍,棍上从 0 到 n 标记了若干位置。例如,长度为 6 的棍子可以标记如下:

给你一个整数数组 cuts ,其中 cuts[i] 表示你需要将棍子切开的位置。

你可以按顺序完成切割,也可以根据需要更改切割的顺序。

每次切割的成本都是当前要切割的棍子的长度,切棍子的总成本是历次切割成本的总和。对棍子进行切割将会把一根木棍分成两根较小的木棍(这两根木棍的长度和就是切割前木棍的长度)。请参阅第一个示例以获得更直观的解释。

返回切棍子的 最小总成本 。

示例 1:

输入:n = 7, cuts = [1,3,4,5]

输出:16

解释:按 [1, 3, 4, 5] 的顺序切割的情况如下所示:

第一次切割长度为 7 的棍子,成本为 7 。第二次切割长度为 6 的棍子(即第一次切割得到的第二根棍子),第三次切割为长度 4 的棍子,最后切割长度为 3 的棍子。总成本为 7 + 6 + 4 + 3 = 20 。

而将切割顺序重新排列为 [3, 5, 1, 4] 后,总成本 = 16(如示例图中 7 + 4 + 3 + 2 = 16)。

示例 2:

输入:n = 9, cuts = [5,6,1,4,2]

输出:22

解释:如果按给定的顺序切割,则总成本为 25 。总成本 <= 25 的切割顺序很多,例如,[4, 6, 5, 2, 1] 的总成本 = 22,是所有可能方案中成本最小的。

提示:

2 <= n <= 10^6^

1 <= cuts.length <= min(n - 1, 100)

1 <= cuts[i] <= n - 1

cuts 数组中的所有整数都 互不相同

动态规划

将0和n加到cuts中,并排序。m = cuts.size

动态规划的状态表示

dp[i][j] 表示切割端点分别为costs[i],costs[j]的木棍,切割完的最小成本。空间复杂度:O(mm)

动态规划的填表顺序

len = j-i

len = 2 to m

动态规划的转移方程

for(int k = i+1; k < j ;i++)

MinSelf(dp[i][j] ,cost[j]-cost[i]+dp[i][k]+dp[i][j])

单个状态转移时间复杂度:O(m),总时间复杂度:O(mmm)

动态规划的初始化

dp[i][i+1] = 0,其它全部是 INT_MAX/2。

动态规划的返回值

dp[0].back()

代码

核心代码

cpp 复制代码
class Solution {
		public:
			int minCost(int n, vector<int>& cuts) {
				cuts.emplace_back(0);
				cuts.emplace_back(n);
				sort(cuts.begin(), cuts.end());
				const int m = cuts.size();
				vector<vector<int>> dp(m, vector<int>(m, INT_MAX / 2));
				for (int i = 0; i+1 < m; i++) {
					dp[i][i + 1] = 0;
				}
				int j = 0;
				for (int len = 2; len <= m; len++) {
					for (int i = 0; (j = i + len - 1) < m; i++) {
						for (int k = i + 1; k < j; k++) {
							dp[i][j] = min(dp[i][j], cuts[j] - cuts[i] + dp[i][k] + dp[k][j]);
						}
					}
				}
				return dp[0].back();
			}
		};

单元测试

cpp 复制代码
int n;
		vector<int> cuts;
		TEST_METHOD(TestMethod11)
		{
			n = 7, cuts = { 1, 3, 4, 5 };
			auto res = Solution().minCost(n, cuts);
			AssertEx(16, res);
		}
		TEST_METHOD(TestMethod12)
		{
			n = 9, cuts = { 5,6,1,4,2 };
			auto res = Solution().minCost(n, cuts);
			AssertEx(22, res);
		}

扩展阅读

我想对大家说的话
工作中遇到的问题,可以按类别查阅鄙人的算法文章,请点击《算法与数据汇总》。
学习算法:按章节学习《喜缺全书算法册》,大量的题目和测试用例,打包下载。重视操作
有效学习:明确的目标 及时的反馈 拉伸区(难度合适) 专注
闻缺陷则喜(喜缺)是一个美好的愿望,早发现问题,早修改问题,给老板节约钱。
子墨子言之:事无终始,无务多业。也就是我们常说的专业的人做专业的事。
如果程序是一条龙,那算法就是他的是睛
失败+反思=成功 成功+反思=成功

视频课程

先学简单的课程,请移步CSDN学院,听白银讲师(也就是鄙人)的讲解。
https://edu.csdn.net/course/detail/38771

如何你想快速形成战斗了,为老板分忧,请学习C#入职培训、C++入职培训等课程
https://edu.csdn.net/lecturer/6176

测试环境

操作系统:win7 开发环境: VS2019 C++17

或者 操作系统:win10 开发环境: VS2022 C++17

如无特殊说明,本算法用**C++**实现。

相关推荐
小冯的编程学习之路18 分钟前
【LeetCode】:解数独【困难】
算法·leetcode·职场和发展
DC_BLOG25 分钟前
数据结构排序
java·数据结构·算法·排序算法
G_qingxin34 分钟前
前端排序算法
前端·算法·排序算法
大丈夫立于天地间38 分钟前
OSPF - LSA对照表
网络·网络协议·学习·算法·信息与通信
oulaqiao2 小时前
以C++为基础快速了解C#
开发语言·c++·c#
Vec[95]2 小时前
如何将光源视角的深度贴图应用于摄像机视角的渲染
c++·算法·3d·贴图
23级二本计科2 小时前
排序算法的实现(插入,希尔,选择,冒泡,堆排,快排)
算法·排序算法
8Qi83 小时前
多目标优化算法——基于聚类的不规则Pareto前沿多目标优化自适应进化算法(CA-MOEA)
人工智能·算法·多目标优化·进化计算·群体智能·ca-moea
AI+程序员在路上3 小时前
OpenCV轮廓相关操作API (C++)
c++·人工智能·opencv
ZPC82103 小时前
MoveItConfigsBuilder 配置机器人的完整示例
c++·人工智能·机器人