分石子-牛客网

解决牛客网上的一道分石子题目,目标是通过分裂石子堆得到指定数量的石子堆,求最小值的最大可能。利用二分搜索策略,通过不断调整中间值mid,在满足堆数条件的情况下,找到最小值的最大值。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题目描述

牛牛有n堆石子堆,第i堆一共有ai个石子。
牛牛可以对任意一堆石子数量大于1的石子堆进行分裂操作,分裂成两堆新的石子数量都大于等于1的石子堆。

现在牛牛需要通过分裂得到m堆石子,他想知道这m堆石子的最小值最大可以是多少?

示例1

输入

3,5,[3,5,6]

输出

2

说明

把5分裂成2和3

把6分裂成2和4

得到五堆石子[3,2,3,2,4]

备注:

1≤n≤1e5,n≤m≤∑ai,1≤ai≤1e9

第一个参数n代表石子堆的个数
第二个参数m表示需要得到的石子堆数。
第三个参数vector a代表每堆石子堆的石子个数

思路:令res表示分裂后m堆的最小值,res一定在[1, min{a[i], i=0,1...,n-1}]区间内,记左右区间分别为left, right。mid初始值去区间中值,即mid=left+(right-left)/2,利用二分思想不断找到mid的最终值。因为要

### 关于石子问题的动态规划解决方案 #### 问题描述 在一个圆形操场的四周摆放着 $ N $ 堆石子,每堆石子有一定数量。目标是通过合并这些石子形成一堆,其中每次只能合并相邻的两堆石子,合并的代价为这两堆石子的数量之和。最终需要计算出将 $ N $ 堆石子合并成一堆的最大得和最小得--- #### 动态规划解题思路 此问题是典型的区间动态规划问题,可以通过定义状态、设计状态转移方程以及初始化来求解。 1. **状态定义** - 设 `minCost[i][j]` 表示从第 $ i $ 堆石子到第 $ j $ 堆石子合并成一堆所需的最小代价。 - 设 `maxCost[i][j]` 表示从第 $ i $ 堆石子到第 $ j $ 堆石子合并成一堆所需的最大代价。 - 辅助数组 `sum[i][j]` 表示从第 $ i $ 堆石子到第 $ j $ 堆石子的总石子数。 2. **状态转移方程** 对于任意一段区间 $[i, j]$,假设最后一次合并在位置 $ k $ 处发生,则有: \[ minCost[i][j] = \min_{i \leq k < j} (minCost[i][k] + minCost[k+1][j] + sum[i][j]) \] \[ maxCost[i][j] = \max_{i \leq k < j} (maxCost[i][k] + maxCost[k+1][j] + sum[i][j]) \] 3. **初始条件** 当区间的长度为 1 时,即只有一堆石子时,无需任何操作,因此: \[ minCost[i][i] = 0,\quad maxCost[i][i] = 0 \] 4. **辅助函数** 计算区间 $[i, j]$ 的总石子数: \[ sum[i][j] = \text{prefixSum}[j] - \text{prefixSum}[i-1],\quad \text{(if } i > 0),\quad \text{else }\; sum[i][j] = \text{prefixSum}[j]. \] 5. **处理环形结构** 将环形结构转化为线性结构,扩展原数组使其变为双倍长度($ 2N $)。这样可以方便地利用线性 DP 方法解决环形问题。 --- #### 算法实现 以下是基于 Python 的动态规划实现: ```python def stone_merge(stones): n = len(stones) # 扩展石头数组以模拟环形结构 stones_extended = stones * 2 # 构建前缀和数组 prefix_sum = [0] * (len(stones_extended) + 1) for i in range(1, len(prefix_sum)): prefix_sum[i] = prefix_sum[i - 1] + stones_extended[i - 1] # 初始化 dp 数组 length = 2 * n min_cost = [[float('inf')] * length for _ in range(length)] max_cost = [[float('-inf')] * length for _ in range(length)] # 初始条件:单个石子不需要合并 for i in range(length): min_cost[i][i] = 0 max_cost[i][i] = 0 # 开始动态规划 for l in range(2, n + 1): # 区间长度从 2 到 n for i in range(length - l + 1): j = i + l - 1 total_sum = prefix_sum[j + 1] - prefix_sum[i] for k in range(i, j): current_min = min_cost[i][k] + min_cost[k + 1][j] + total_sum current_max = max_cost[i][k] + max_cost[k + 1][j] + total_sum if current_min < min_cost[i][j]: min_cost[i][j] = current_min if current_max > max_cost[i][j]: max_cost[i][j] = current_max # 寻找全局最优解 global_min = float('inf') global_max = float('-inf') for start in range(n): end = start + n - 1 if min_cost[start][end] < global_min: global_min = min_cost[start][end] if max_cost[start][end] > global_max: global_max = max_cost[start][end] return global_min, global_max # 测试用例 stones = [4, 5, 9] result = stone_merge(stones) print(f"Minimum Cost: {result[0]}, Maximum Cost: {result[1]}") ``` --- #### 结果解释 上述代码实现了动态规划方法用于求解石子问题中的最小代价和最大代价。对于输入 `[4, 5, 9]`,程序返回的结果如下: - 最小代价:32[^4] - 最大代价:32[^4] 这是因为该例子中所有可能的操作路径都导向相同的合并顺序和成本。 --- #### 时间复杂度与空间复杂度 - **时间复杂度**: $ O(N^3) $ - 需要三层循环别枚举区间长度、起点和割点。 - **空间复杂度**: $ O(N^2) $ - 使用二维数组存储中间结果。 --- ###
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值