企业网站建设规划的基本原则有哪些,电脑做网站主机,昆明 网站搭建,seo是什么意思 部门Leetcode 第 110 场双周赛 Problem D 2809. 使数组和小于等于 x 的最少时间#xff08;DP 好题#xff09;题目 给你两个长度相等下标从 0 开始的整数数组 nums1 和 nums2 。每一秒#xff0c;对于所有下标 0 i nums1.length #xff0c;nums1[i] 的值都增加 num…Leetcode 第 110 场双周赛 Problem D 2809. 使数组和小于等于 x 的最少时间DP 好题题目 给你两个长度相等下标从 0 开始的整数数组 nums1 和 nums2 。每一秒对于所有下标 0 i nums1.length nums1[i] 的值都增加 nums2[i] 。操作 完成后 你可以进行如下操作 选择任一满足 0 i nums1.length 的下标 i 并使 nums1[i] 0 。 同时给你一个整数 x 。请你返回使 nums1 中所有元素之和 小于等于 x 所需要的 最少 时间如果无法实现那么返回 -1 。1 nums1.length 10 ^ 31 nums1[i] 10 ^ 30 nums2[i] 10 ^ 3nums1.length nums2.length0 x 10 ^ 6 解法 DP贪心正难则反第 1 步每个 nums1[i] 置为 0超过一次不如仅最后一次置为 0可知对于 nums1[i] 一样大且不会影响其他 nums1因此时间最多就是 nums1.len、超过则无意义第 2 步问题转化为经过最少 s 秒且 s nums1.len使得 nums3 nums2[x]*(s-1) nums2[y]*(s-2) … nums2[z]*0 nums1[a] …nums3.len nums1.lennums3 总和 sum(nums3) 小于等于 x 时最小的 s 就是答案否则答案就是 -1同时不可能推出 s 单调性因此无法二分答案第 3 步正面直接求最小值无法想到什么贪心策略如果使用 DP 则第 j1 秒会影响前 j 秒的数据因为每秒每个元素会加上 nums2不满足无后效性正难则反 求经过 s 秒最多可以减少多少总数 sum(nums1) s*sum(nums2) 减去即可 第 4 步动规状态dp[i][j] 为前 i 个数经过 j 秒最多可以减少多少注意 ij初始化 dp[i][0]0即前 i 个数不经过任何时间则无法减少第 5 步转移方程dp[i][j]max(dp[i-1][j], dp[i-1][j-1] nums1[i-1]j*nums2[i-1]) 即第 i 个数经过 j 秒是否删除的最大值取决于是否需要再第 j 秒清理掉第 i 个元素此时 DP 无后效性因为第 i1 个数不会影响前 i 个数的更新同时需要满足减少 j 个元素的最大值、等于减少前i-1 个元素中选 j-1 个元素的最大值加第 i 个元素可以观察减少的是 nums1[i-1]j*nums2[i-1]由于前 j 秒等价于选 j 个元素此时 nums1 顺序无所谓j 固定升序、保证 j*nums2[i-1] 最大需要使 nums2 升序nums1 跟随排序 第 6 步最后结果就是枚举秒数 j[0,nums1.len]sum(nums1) j * sum(nums2) - dp[nums1.len][j] x找到最小的 j没有则返回 -1空间压缩由于 dp[i][j] 仅与 dp[i-1][j]、dp[i-1][j-1] 有关因此可以使用一维 dp[j] 倒序处理时间复杂度O(n ^ 2)空间复杂度On 代码
/*** DP贪心正难则反** 第 1 步* 每个 nums1[i] 置为 0超过一次不如仅最后一次置为 0* 可知对于 nums1[i] 一样大且不会影响其他 nums1* 因此时间最多就是 nums1.len、超过则无意义** 第 2 步* 问题转化为经过最少 s 秒且 s nums1.len使得 nums3 nums2[x]*(s-1) nums2[y]*(s-2) ... nums2[z]*0 nums1[a] ...nums3.len nums1.len* nums3 总和 sum(nums3) 小于等于 x 时最小的 s 就是答案否则答案就是 -1* 同时不可能推出 s 单调性因此无法二分答案** 第 3 步* 正面直接求最小值无法想到什么贪心策略如果使用 DP 则第 j1 秒会影响前 j 秒的数据因为每秒每个元素会加上 nums2**不满足无后效性*** 正难则反* * 求经过 s 秒最多可以减少多少* * 总数 sum(nums1) s*sum(nums2) 减去即可** 第 4 步* 动规状态dp[i][j] 为前 i 个数经过 j 秒最多可以减少多少注意 ij* 初始化 dp[i][0]0即前 i 个数不经过任何时间则无法减少** **第 5 步*** 转移方程dp[i][j]max(dp[i-1][j], dp[i-1][j-1] nums1[i-1]j*nums2[i-1])* * 即第 i 个数经过 j 秒是否删除的最大值取决于是否需要再第 j 秒清理掉第 i 个元素* * **此时 DP 无后效性**因为第 i1 个数不会影响前 i 个数的更新* * 同时需要满足减少 j 个元素的最大值、等于减少前i-1 个元素中选 j-1 个元素的最大值加第 i 个元素* * 可以观察减少的是 nums1[i-1]j*nums2[i-1]由于前 j 秒等价于选 j 个元素此时 nums1 顺序无所谓**j 固定升序、保证 j*nums2[i-1] 最大需要使 nums2 升序nums1 跟随排序**** 第 6 步* 最后结果就是枚举秒数 j[0,nums1.len]sum(nums1) j * sum(nums2) - dp[nums1.len][j] x找到最小的 j没有则返回 -1* 空间压缩由于 dp[i][j] 仅与 dp[i-1][j]、dp[i-1][j-1] 有关因此可以使用一维 dp[j] 倒序处理* 时间复杂度O(n ^ 2)空间复杂度On*/public int minimumTime(ListInteger nums1, ListInteger nums2, int x) {// 判空与异常if (nums1 null || nums2 null || nums1.size() ! nums2.size() || nums1.size() 0) {return -1;}int n nums1.size();// 求总和int sumNums1 nums1.stream().mapToInt(Integer::intValue).sum();int sumNums2 nums2.stream().mapToInt(Integer::intValue).sum();
// System.out.println(sumNums1);
// System.out.println(sumNums2);// j 固定升序、保证 j*nums2[i-1] 最大需要使 nums2 升序nums1 跟随排序ListPairInteger, Integer numsPair new ArrayList(n);for (int i 0; i n; i) {numsPair.add(new Pair(nums2.get(i), nums1.get(i)));}Collections.sort(numsPair, (o1, o2) - o1.getKey() - o2.getKey());
// System.out.println(numsPair);// 动规状态dp[i][j] 为前 i 个数经过 j 秒最多可以减少多少注意 ij初始化 dp[i][0]0即前 i 个数不经过任何时间则无法减少空间压缩掉 iint[] dp new int[n 1];// 转移方程dp[i][j]max(dp[i-1][j], dp[i-1][j-1] nums1[i-1]j*nums2[i-1])for (int i 1; i n 1; i) {// 空间压缩一维 dp[j] 倒序处理for (int j i; j 1; j--) {dp[j] Math.max(dp[j], dp[j-1] numsPair.get(i-1).getValue() j * numsPair.get(i-1).getKey());}}
// AlgorithmUtils.systemOutArray(dp);int res -1;// 枚举秒数 j[0,nums1.len]sum(nums1) j * sum(nums2) - dp[nums1.len][j] x找到最小的 j没有则返回 -1for (int j 0; j n; j) {if (sumNums1 j * sumNums2 - dp[j] x) {res j;break;}}return res;}
