【LeetCode 2312】卖木头块

题目描述

原题链接： LeetCode.2312 卖木头块

解题思路

• 每次切割只能完全横切或者竖切，即切成更矮或者更窄的木块；
• 每次切割后剩余的两部分木块都是更小规模的同类问题，典型的可以用动态规划求解的问题；
• 具体到单个问题，高x宽y的木块能卖的最多钱数有三种情况：
  • prices数组中正好有对应宽高的价格，不用切割直接卖；
  • 上一刀横切，尝试找到使得[i, y]和[x - i, y]两个矮木块能卖钱数之和最大的i值， 即 $ MAX_{i=1}^{x/2} (dp[i][y] + dp[x - i][y]) $；
  • 上一刀竖切，尝试找到使得[x, i]与[x, y - i]两个窄木块能卖钱数之和最大的i值， 即 $ MAX_{i=1}^{y/2} (dp[x][i] + dp[x][y - i]) $。
• 根据这三个情况进行记忆化递归处理规模由大到小的问题；或者从小到大按照状态转移方程求得DP数组值。

解题代码

• 求解规模由大到小， 记忆化递归的解法：

    /**
     * 如果原始prices数组值用Map做哈希表，耗时会在500ms级别
     * 执行用时： 79 ms , 在所有 Java 提交中击败了 41.18% 的用户
     * 内存消耗： 49.92 MB , 在所有 Java 提交中击败了 76.47% 的用户
     */
    public long sellingWood(int m, int n, int[][] prices) {
        long[][] fullPrice = new long[m + 1][n + 1];
        for (int[] p : prices) {
            fullPrice[p[0]][p[1]] = p[2];
        }
        long[][] memo = new long[m + 1][n + 1];
        for (int i = 0; i <= m; i++) {
            Arrays.fill(memo[i], -1);
        }
        return process(m, n, fullPrice, memo);
    }
  
    private long process(int height, int width, long[][] fullPrice, long[][] memo) {
        if (memo[height][width] != -1) {
            return memo[height][width];
        }
        long ans = fullPrice[height][width];
        for (int i = 1; i <= (height >> 1); i++) {
            ans = Math.max(ans, process(i, width, fullPrice, memo) + process(height - i, width, fullPrice, memo));
        }
        for (int i = 1; i <= (width >> 1); i++) {
            ans = Math.max(ans, process(height, i, fullPrice, memo) + process(height, width - i, fullPrice, memo));
        }
        memo[height][width] = ans;
        return ans;
    }
  

• 求解规模由小到大， 用状态转移方式求DP数组的解法：

    /**
     * 二维动态规划
     * 执行用时： 20 ms , 在所有 Java 提交中击败了 100.00% 的用户
     * 内存消耗： 50.77 MB , 在所有 Java 提交中击败了 23.53% 的用户
     */
    public long sellingWood(int m, int n, int[][] prices) {
        // dp[x][y]表示高为x宽为y的木块能卖的钱数最大值， prices包含的整块卖的金额是初始值
        long[][] dp = new long[m + 1][n + 1];
        for (int[] p : prices) {
            dp[p[0]][p[1]] = p[2];
        }
        for (int i = 1; i <= m; i++) {
            for (int j = 1; j <= n; j++) {
                long max = dp[i][j];// 用临时变量而不是直接在第三层for循环内部直接更新dp[i][j]，性能稍好些(直接更新的耗时是26ms)
                for (int k = 1; k <= (i >> 1); k++) {
                    max = Math.max(max, dp[k][j] + dp[i - k][j]);
                }
                for (int k = 1; k <= (j >> 1); k++) {
                    max = Math.max(max, dp[i][k] + dp[i][j - k]);
                }
                dp[i][j] = max;
            }
        }
        return dp[m][n];
    }