leecode1029. 两地调度

最新推荐文章于 2025-11-09 23:26:55 发布

原创最新推荐文章于 2025-11-09 23:26:55 发布 · 255 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#大数据

该博客介绍了一个使用记忆化搜索的方法来解决一个优化问题：如何安排面试者前往两个城市的行程，使得总费用最低。给定每个面试者的两个城市飞行成本，目标是确保每个城市都有相同数量的面试者。示例展示了如何应用这个算法来计算最低总费用，并给出了不同输入的示例输出。

公司计划面试 2n 人。给你一个数组 costs ，其中 costs[i] = [aCosti, bCosti] 。第 i 人飞往 a 市的费用为 aCosti ，飞往 b 市的费用为 bCosti 。

返回将每个人都飞到 a 、b 中某座城市的最低费用，要求每个城市都有 n 人抵达。

示例 1：

输入：costs = [[10,20],[30,200],[400,50],[30,20]]
输出：110
解释：
第一个人去 a 市，费用为 10。
第二个人去 a 市，费用为 30。
第三个人去 b 市，费用为 50。
第四个人去 b 市，费用为 20。

最低总费用为 10 + 30 + 50 + 20 = 110，每个城市都有一半的人在面试。
示例 2：

输入：costs = [[259,770],[448,54],[926,667],[184,139],[840,118],[577,469]]
输出：1859
示例 3：

输入：costs = [[515,563],[451,713],[537,709],[343,819],[855,779],[457,60],[650,359],[631,42]]
输出：3086

使用记忆化搜索：

class Solution {
    public int twoCitySchedCost(int[][] costs) {
        //截止到第几个人去a,b市分别要的最小费用
        int[][][] map = new int[costs.length][costs.length/2 + 1][costs.length/2 + 1];
        return dfs(costs, 0, costs.length / 2, costs.length / 2, map);
    }

    public int dfs(int[][] costs, int index, int aRest, int bRest, int[][][] map) {
        if (index == costs.length) {
            return 0;
        }
        if (map[index][aRest][bRest] != 0) {
            return map[index][aRest][bRest];
        }
        //当前人去A,B市的费用数组
        int[] cost = costs[index];
        if (aRest >= 0 && bRest >= 0) {
            int r1 = 99999999;
            int r2 = 99999999;
            //可以去A市
            if (aRest != 0) {
                r1 = cost[0] + dfs(costs, index + 1, aRest - 1, bRest, map);
            }
            //可以去B市
            if (bRest != 0) {
                r2 = cost[1] + dfs(costs, index + 1, aRest, bRest - 1, map);
            }
            map[index][aRest][bRest] = Math.min(r1, r2);
            return map[index][aRest][bRest];
        }
        return 0;
    }

}