410. 分割数组的最大值
给定一个非负整数数组nums
和一个整数k
,你需要将这个数组分成k
个非空的连续子数组。
设计一个算法使得这k
个子数组各自和的最大值最小。
示例 1:
输入:nums = [7,2,5,10,8], k = 2
输出:18
解释:
一共有四种方法将 nums 分割为 2 个子数组。
其中最好的方式是将其分为 [7,2,5] 和 [10,8] 。
因为此时这两个子数组各自的和的最大值为18,在所有情况中最小。
示例 2:
输入:nums = [1,2,3,4,5], k = 2
输出:9
示例 3:
输入:nums = [1,4,4], k = 3
输出:4
题目分析
经典动态规划问题,更多案例可见 Leetcode 动态规划详解
我们可以使用动态规划解决本题,解题思路:
- 状态定义:
f[i][j]
表示将数组的前 i 个数分割为 j 段所能得到的最大连续子数组和的最小值sub(i,j)
表示数组nums
中下标落在区间[i,j]
内的数的和
- 状态转移方程:枚举 x,其中前 x 个数被分割为 j−1 段,而第 x+1 到第 i 个数为第 j 段
f [ i ] [ j ] = min x = 0 i − 1 { m a x ( f [ x ] [ j − 1 ] , s u b ( x + 1 , i ) ) } f[i][j] = \displaystyle\min_{x=0}^{i - 1} \text\textbraceleft max(f[x][j−1],sub(x+1,i)) \text\textbraceright f[i][j]=x=0mini−1{ max(f[x][j−1],sub(x+1,i))}
- 初始状态
f[0][0] = 0
,最终答案为f[n][k]
动态规划一般用于求解具有重叠子问题和最优子结构的问题,例如最长公共子序列、背包问题、最短路径等。重叠子问题指的是在求解问题的过程中,多次用到相同的子问题,最优子结构指的是问题的最优解可以通过子问题的最优解来构造
class Solution {
public int splitArray(int[] nums, int k) {
int n = nums.length;
int[][] f = new int[n + 1][k + 1];
for(int i = 0; i <= n; i++){
Arrays.fill(f[i], Integer.MAX_VALUE);
}
int[] sub = new int[n + 1];
for(int i = 0; i < n; i++){
sub[i + 1] = sub[i] + nums[i];
}
f[0][0] = 0;
for(int i = 1; i <= n; i++){
for(int j = 1; j <= Math.min(i, k); j++){
for(int x = 0; x < i; x++){
f[i][j] = Math.min(f[i][j], Math.max(f[x][j - 1], sub[i] - sub[x]));
}
}
}
return f[n][k];
}
}