434
社区成员
发帖
与我相关
我的任务
分享设有 N堆石子排成一排,其编号为 1,2,3,…,N。
每堆石子有一定的质量,可以用一个整数来描述。用数组a[N]表示每堆石子的质量,sum[i,j]表示第i堆石子到第j堆石子的总质量
现在要将这 N堆石子合并成为一堆。每次只能合并相邻的两堆,合并的代价为这两堆石子的质量之和,合并后与这两堆石子相邻的石子将和新堆相邻,合并时由于选择的顺序不同,合并的总代价也不相同。
例如有 4堆石子分别为 1 3 5 2, 我们可以先合并 1、2 堆,代价为 4,得到 4 5 2, 又合并 1,2 堆,代价为 9,得到 9 2 ,再合并得到 11,总代价为 4+9+11=24;
如果第二步是先合并 2,3 堆,则代价为 7,得到 4 7,最后一次合并代价为 11,总代价为 4+7+11=22。
问题是:找出一种合理的方法,使总的代价最小,输出最小代价。
请按照如下格式书写动态规划方程:
(1)状态表示:
二维数组dp[i][j]表示合并第i堆到第j堆石子的最小合并代价
sum[i][j]表示第i堆石子到第j堆石子的总质量
(2)状态方程:
dp[i][j] = min(dp[i][k] + dp[k+1][j] + sum[i][j])
(3)边界条件:
当 i == j 时,dp[i][j] = 0,即合并同一堆石子,代价为0
(4)时间、空间复杂度分析:
时间复杂度: O(n^3)
空间复杂度: O(n^2),因为是使用二维数组dp存储子问题的最优解
我认为动态规划思想的主要问题为找到对应题目中的以下关键问题:
子问题的最优解:动态规划法将原问题分解为子问题,并使用子问题的最优解来构建原问题的最优解。核心!
重叠子问题:在动态规划中,子问题可能会被重复计算。为了避免重复计算,可以使用记忆化搜索或者自底向上的方式,将子问题的最优解保存起来(dp二维数组),在需要时直接使用。
状态转移方程:描述子问题之间的关系。状态转移方程通常通过分析原问题和子问题之间的关系得到。
边界条件:在定义状态转移方程时,就需要明确边界条件。
时间和空间复杂度:时间复杂度取决于子问题的个数以及每个子问题的计算量;空间复杂度取决于保存子问题的最优解的数据结构。