版权声明:本文为博主原创文章,博客地址:https://blog.csdn.net/qq_41855420,未经博主允许不得转载。 https://blog.csdn.net/qq_41855420/article/details/91356571
汽车从起点出发驶向目的地,该目的地位于出发位置东面 target 英里处。
沿途有加油站,每个 station[i] 代表一个加油站,它位于出发位置东面 station[i][0] 英里处,并且有 station[i][1] 升汽油。
假设汽车油箱的容量是无限的,其中最初有 startFuel 升燃料。它每行驶 1 英里就会用掉 1 升汽油。
当汽车到达加油站时,它可能停下来加油,将所有汽油从加油站转移到汽车中。
为了到达目的地,汽车所必要的最低加油次数是多少?如果无法到达目的地,则返回 -1 。
注意:如果汽车到达加油站时剩余燃料为 0,它仍然可以在那里加油。如果汽车到达目的地时剩余燃料为 0,仍然认为它已经到达目的地。
示例 1:
输入:target = 1, startFuel = 1, stations = []
输出:0
解释:我们可以在不加油的情况下到达目的地。
示例 2:
输入:target = 100, startFuel = 1, stations = [[10,100]]
输出:-1
解释:我们无法抵达目的地,甚至无法到达第一个加油站。
示例 3:
输入:target = 100, startFuel = 10, stations = [[10,60],[20,30],[30,30],[60,40]]
输出:2
解释:
我们出发时有 10 升燃料。
我们开车来到距起点 10 英里处的加油站,消耗 10 升燃料。将汽油从 0 升加到 60 升。
然后,我们从 10 英里处的加油站开到 60 英里处的加油站(消耗 50 升燃料),
并将汽油从 10 升加到 50 升。然后我们开车抵达目的地。
我们沿途在1两个加油站停靠,所以返回 2 。
提示:
1 <= target, startFuel, stations[i][1] <= 10^9
0 <= stations.length <= 500
0 < stations[0][0] < stations[1][0] < ... < stations[stations.length-1][0] < target
典型的最优解问题,一般处理最优解涉及到图的时候一般是使用搜索技术(比如深度、广度优先搜索等),涉及到数组一般是使用动态规划、贪心策略这两种算法。
首先我采用的动态规划算法,其中dp[i][j]表示的到达第i - 1个站(并且在第i个站加油),一共加油j次时剩余的油。
class Solution {
public:
int minRefuelStops(int target, int startFuel, vector<vector<int>>& stations) {
int stationsSize = stations.size();
if (startFuel >= target){
return 0;
}
int minRes = INT_MAX;//最少加油的次数
//dp[i][j]表示的到达第i - 1个站(并且在第i个站加油),一共加油j次时剩余的油。
vector<vector<long>> dp(stationsSize + 1, vector<long>(stationsSize + 1, -1));
dp[0][0] = startFuel;
for (int i = 1; i <= stationsSize; ++i){//到达第 i - 1 站
if (dp[0][0] >= stations[i - 1][0]){//不加油就能到达第 i - 1站
dp[i][1] = dp[0][0] - stations[i - 1][0] + stations[i - 1][1];
if (dp[i][1] >= target - stations[i - 1][0]){//检测加完油后,能否直接到达target
return 1;
}
}
for (int j = 2; j <= i && j < minRes; ++j){//到达i一共加油j次
for (int k = j - 1; k < i; ++k){//到达k的时候加油一共加油 j - 1 次
//再从第k - 1站一次性移动到第i - 1站
if (dp[k][j - 1] >= stations[i - 1][0] - stations[k - 1][0]){
dp[i][j] = max(dp[i][j], dp[k][j - 1] - stations[i - 1][0] + stations[k - 1][0] + stations[i - 1][1]);//stations[i - 1][1])是第i - 1站存储的油
if (dp[i][j] >= target - stations[i - 1][0]){//检测是否能够直接到达第j站
minRes = j;
}
}
}
}
}
return minRes == INT_MAX ? -1 : minRes;
}
};
心疼自几啊,枯辽~
经过翻阅评论区,发现一种使用优先队列+贪心策略的思路。
此算法的核心是,我们不必在意当前剩余多少油,我们只注意当前能走到那个站,并且使用优先队列保存所有已经经过的站所存储的油,当我们的不能到达下一个站时,这时我们从优先队列取出最多的油(队头),也就是说当我们油不够的时候,每次向已经经过的没有取过的存储油最多的加油站进行加油,从而达到减少加油次数的目的。
class Solution {
public:
int minRefuelStops(int target, int startFuel, vector<vector<int>>& stations) {
priority_queue<int> myQue;//优先队列(默认大顶堆)
int nowFuel = startFuel, minRes = 0;//nowFuel是我们拥有的油,minRes是最少的加油次数
int stationsSize = stations.size(), index = 0;
while (index < stationsSize && stations[index][0] <= nowFuel){
while (index < stationsSize && stations[index][0] <= nowFuel){
//如果我们能够到达这个加油站
myQue.push(stations[index++][1]);//将这个加油站储存的油放入队列(以便下次取出最大的油)
}
if (index < stationsSize){
//当我们不能到达下一个站时,这时就得加油
while (!myQue.empty() && stations[index][0] > nowFuel){
minRes += 1;//加油次数自增
nowFuel += myQue.top();//每次取出最多的油
myQue.pop();
}
}
}
//如果拥有的油不足行驶到target,只能一直加油
while (nowFuel < target && !myQue.empty()){
minRes += 1;//加油次数自增
nowFuel += myQue.top();//每次取出最多的油
myQue.pop();
}
return nowFuel < target ? -1 : minRes;
}
};