您现在的位置是:首页 >学无止境 >【LeetCode: 1335. 工作计划的最低难度 | 暴力递归=>记忆化搜索=>动态规划 】网站首页学无止境
【LeetCode: 1335. 工作计划的最低难度 | 暴力递归=>记忆化搜索=>动态规划 】
? 算法题 ? |
? 算法刷题专栏 | 面试必备算法 | 面试高频算法 ?
? 越难的东西,越要努力坚持,因为它具有很高的价值,算法就是这样✨
? 作者简介:硕风和炜,CSDN-Java领域优质创作者?,保研|国家奖学金|高中学习JAVA|大学完善JAVA开发技术栈|面试刷题|面经八股文|经验分享|好用的网站工具分享???
? 恭喜你发现一枚宝藏博主,赶快收入囊中吧?
? 人生如棋,我愿为卒,行动虽慢,可谁曾见我后退一步???
? 算法题 ? |
? 目录
? 题目链接
⛲ 题目描述
你需要制定一份 d 天的工作计划表。工作之间存在依赖,要想执行第 i 项工作,你必须完成全部 j 项工作( 0 <= j < i)。
你每天 至少 需要完成一项任务。工作计划的总难度是这 d 天每一天的难度之和,而一天的工作难度是当天应该完成工作的最大难度。
给你一个整数数组 jobDifficulty 和一个整数 d,分别代表工作难度和需要计划的天数。第 i 项工作的难度是 jobDifficulty[i]。
返回整个工作计划的 最小难度 。如果无法制定工作计划,则返回 -1 。
示例 1:
输入:jobDifficulty = [6,5,4,3,2,1], d = 2
输出:7
解释:第一天,您可以完成前 5 项工作,总难度 = 6.
第二天,您可以完成最后一项工作,总难度 = 1.
计划表的难度 = 6 + 1 = 7
示例 2:
输入:jobDifficulty = [9,9,9], d = 4
输出:-1
解释:就算你每天完成一项工作,仍然有一天是空闲的,你无法制定一份能够满足既定工作时间的计划表。
示例 3:
输入:jobDifficulty = [1,1,1], d = 3
输出:3
解释:工作计划为每天一项工作,总难度为 3 。
示例 4:
输入:jobDifficulty = [7,1,7,1,7,1], d = 3
输出:15
示例 5:
输入:jobDifficulty = [11,111,22,222,33,333,44,444], d = 6
输出:843
提示:
1 <= jobDifficulty.length <= 300
0 <= jobDifficulty[i] <= 1000
1 <= d <= 10
? 求解思路&实现代码&运行结果
⚡ 暴力法
? 求解思路
- 简单概括题目的意思:将给定的所有工作任务拆分为d天,如果不能拆分,直接返回-1,如能拆分,那么需要统计一天中完成所有任务难度的最大值,最后让我们求的是d天完成所有任务的最小值。
- 那么题目怎么求解呢?其实和我们的背包类型的动态规划是差不多的,需要我们进一步的转换一下,我们从jobDifficulty中进行选择,一共d天,求满足题目要求,也就是完成所有任务的最小值是多少,那么递归的思路也就出来了,假设此时我们来到了cur位置,cur<jobDifficulty.length,那么 我们可以求去求解0-cur这一天的最大值,然后再去递归求解cur+1位置上d-1的最小值,题目存在重复的子问题规模,我们通过递归直接求解。
- 如果背包模型不清楚的同学可以看一下我之前的文章,此处不做过多的讲解。
- 有了基本的思路,接下来我们就来通过代码来实现一下。
? 实现代码
class Solution {
public int minDifficulty(int[] jobDifficulty, int d) {
if(jobDifficulty.length<d) return -1;
return process(0,jobDifficulty,d);
}
public int process(int index,int[] jobDifficulty,int d){
if(index>=jobDifficulty.length) return Integer.MAX_VALUE;
if(d==1){
int max=0;
for(int i=index;i<jobDifficulty.length;i++){
max=Math.max(max,jobDifficulty[i]);
}
return max;
}
int max=0;
int min=Integer.MAX_VALUE;
for(int i=index;i<jobDifficulty.length;i++){
max=Math.max(max,jobDifficulty[i]);
int next=process(i+1,jobDifficulty,d-1);
if(next!=Integer.MAX_VALUE) min=Math.min(max+next,min);
}
return min;
}
}
? 运行结果
超时了,可以接受,是我们期待的结果。
⚡ 记忆化搜索
? 求解思路
- 因为在递归的过程中,会重复的出现一些多次计算的结果,我们通过开辟一个数组,将结果提前缓存下来,算过的直接返回,避免重复计算,通过空间来去换我们的时间。
? 实现代码
class Solution {
int[][] dp;
public int minDifficulty(int[] jobDifficulty, int d) {
if(jobDifficulty.length<d) return -1;
dp=new int[jobDifficulty.length][d+1];
for(int i=0;i<jobDifficulty.length;i++) Arrays.fill(dp[i],-1);
return process(0,jobDifficulty,d);
}
public int process(int index,int[] jobDifficulty,int d){
if(index>=jobDifficulty.length) return Integer.MAX_VALUE;
if(d==1){
int max=0;
for(int i=index;i<jobDifficulty.length;i++){
max=Math.max(max,jobDifficulty[i]);
}
return dp[index][d]=max;
}
if(dp[index][d]!=-1) return dp[index][d];
int max=0;
int min=Integer.MAX_VALUE;
for(int i=index;i<jobDifficulty.length;i++){
max=Math.max(max,jobDifficulty[i]);
int next=process(i+1,jobDifficulty,d-1);
if(next!=Integer.MAX_VALUE) min=Math.min(max+next,min);
}
return dp[index][d]=min;
}
}
? 运行结果
通过缓存,将重复计算的结果缓存下来,通过。
⚡ 动态规划
? 求解思路
- 有了递归,有了记忆化搜索,接下来就是动态规划了,直接上手。
? 实现代码
class Solution {
int[][] dp;
public int minDifficulty(int[] jobDifficulty, int target) {
if(jobDifficulty.length<target) return -1;
dp=new int[jobDifficulty.length+1][target+1];
for(int i=0;i<dp.length;i++) Arrays.fill(dp[i],Integer.MAX_VALUE);
for(int index=jobDifficulty.length-1;index>=0;index--){
int max=0;
for(int i=index;i<jobDifficulty.length;i++){
max=Math.max(max,jobDifficulty[i]);
}
dp[index][1]=max;
}
for(int index=jobDifficulty.length-2;index>=0;index--){
for(int d=2;d<=target;d++){
int max=0;
int min=Integer.MAX_VALUE;
for(int i=index;i<jobDifficulty.length;i++){
max=Math.max(max,jobDifficulty[i]);
int next=dp[i+1][d-1];
if(next!=Integer.MAX_VALUE) min=Math.min(max+next,min);
}
dp[index][d]=min;
}
}
return dp[0][target];
}
}
? 运行结果
动态规划搞定
? 共勉
最后,我想和大家分享一句一直激励我的座右铭,希望可以与大家共勉! |