【題目】
一條直線上有居民點,郵局只能建在居民點上。給定一個有序整型數組arr,每個值表示居民點的一維座標,再給定一個正數num,表示郵局數量。選擇num個居民點建立num個郵局,使得所有的居民點到郵局的總距離最短,返回最短的總距離。
【基本思路】
方法一。動態規劃。首先解決一個問題,如果在arr[0…j]上只能建立一個郵局,最短總距離是多少?如果居民點有奇數個,郵局建在最中間的那個居民點可以使總距離最短,如果居民點有偶數個,中點有兩個,郵局建在哪個都可以讓總距離最短。可以根據這個思路計算上面的問題。
生成規模爲N×M的矩陣w,w[i][j]表示如果在arr[i…j]上只能建立一個郵局,最短的總距離。w[i][j]的值可以通過如下計算得到:
w[i][j] = w[i][j-1] + arr[j] - arr[(i + j) / 2]
有了w矩陣後,接下來進行動態規劃過程。假設dp[i][j]表示如果在arr[0…j]上建立i+1個郵局的最短總距離。所以dp[0][j]的值表示如果在arr[0…j]上建立一個郵局最短的總距離。很明顯,就是w[0][j]。那麼dp[0][0…N-1]上的所有值都可以直接用w[0][0…N-1]賦值。
當可以建立不止一個郵局時,情況如下:
1、前i-1個郵局負責arr[0],第i個郵局負責arr[1…j],總距離爲dp[i-1][0] + w[1][j]
2、前i-1個郵局負責arr[0…1],第i個郵局負責arr[2…j],總距離爲dp[i-1][1] + w[2][j]
3、前i-1個郵局負責arr[0…k],第i個郵局負責arr[k+1…j],總距離爲dp[i-1][k] + w[k+1][j]
實際上k的取值到j-1就可以了,因爲在還有最後一個居民的時候仍然可以建立一個郵局,那麼在該居民點建立一個郵局一定沒壞處,這樣就可以不用考慮:前i-1個郵局負責arr[0…j],第i個郵局負責arr[j+1…j]的情況,避免w矩陣溢出。
#python3.5
def siteSelectionQuestion1(arr, num):
if arr == None or len(arr) == 0 or num < 1 or len(arr) < num:
return 0
w = [[0 for i in range(len(arr))] for j in range(len(arr))]
for i in range(len(arr)):
for j in range(i+1, len(arr)):
w[i][j] = w[i][j-1] + arr[j] - arr[(i+j) // 2]
dp = [w[0][i] for i in range(len(arr))]
for i in range(1, num):
for j in range(len(arr)-1, i-1, -1):
minDistance = sys.maxsize
for k in range(i-1, j):
minDistance = min(minDistance, max(dp[k], w[k+1][j]))
dp[j] = minDistance
return dp[-1]
方法二。使用“四邊形不等式”優化動態規劃。
假設計算dp[i-1][j]時,在最好的劃分方案中,第i-1個郵局負責arr[a…j]的居民點。在計算dp[i][j+1]時,在最好的劃分方案中,第i個郵局負責arr[b…j]的居民點。那麼在計算dp[i][j]時,假設最好的劃分方式是讓第i個郵局負責arr[k…j],那麼k的範圍一定是[a, b],這樣就省去了很多無效的枚舉過程,可以將時間複雜度降低一個維度,
def siteSelectionQuestion2(arr, num):
if arr == None or len(arr) == 0 or num < 1 or len(arr) < num:
return 0
w = [[0 for i in range(len(arr))] for j in range(len(arr))]
for i in range(len(arr)):
for j in range(i+1, len(arr)):
w[i][j] = w[i][j-1] + arr[j] - arr[(i+j)//2]
dp = [w[0][i] for i in range(len(arr))]
cands = [0 for i in range(len(arr))]
for i in range(1, num):
for j in range(len(arr)-1, i-1, -1):
minEnum = cands[j]
maxEnum = j-1 if j == len(arr)-1 else cands[j+1]
minDistance = sys.maxsize
for k in range(minEnum, maxEnum+1):
cur = max(dp[k], w[k+1][j])
if cur <= minDistance:
minDistance = cur
cands[j] = k
dp[j] = minDistance
return dp[-1]