当前位置: 首页 > news >正文

Leetcode3218. 切蛋糕的最小总开销 I

题目描述:

有一个 m x n 大小的矩形蛋糕,需要切成 1 x 1 的小块。

给你整数 m ,n 和两个数组:

  • horizontalCut 的大小为 m - 1 ,其中 horizontalCut[i] 表示沿着水平线 i 切蛋糕的开销。
  • verticalCut 的大小为 n - 1 ,其中 verticalCut[j] 表示沿着垂直线 j 切蛋糕的开销。

一次操作中,你可以选择任意不是 1 x 1 大小的矩形蛋糕并执行以下操作之一:

  1. 沿着水平线 i 切开蛋糕,开销为 horizontalCut[i] 。
  2. 沿着垂直线 j 切开蛋糕,开销为 verticalCut[j] 。

每次操作后,这块蛋糕都被切成两个独立的小蛋糕。

每次操作的开销都为最开始对应切割线的开销,并且不会改变。

请你返回将蛋糕全部切成 1 x 1 的蛋糕块的 最小 总开销。

代码思路:

  1. 初始化结果
    • 首先,将horizontalCutverticalCut中所有切割位置的成本相加,得到初始的结果res。这表示仅仅进行所有给定的水平切割和垂直切割的成本总和。
  2. 计算交叉切割的额外成本
    • 接下来,代码通过两层嵌套循环遍历每一个水平切割位置hc和每一个垂直切割位置vc
    • 对于每一对交叉的切割(即一个水平切割和一个垂直切割),它们会在矩形的某个位置相交。在这个相交点,选择水平切割成本hc和垂直切割成本vc中的较小值作为交叉切割的额外成本(因为交点只会被切割一次,无论两个方向的成本如何,实际发生的成本是两者中的较小值)。
    • 将这个较小值累加到res中。
  3. 返回结果
    • 最后,返回累加后的res,它代表了进行所有给定切割以及所有交叉切割所需的最小成本总和。

代码实现:

class Solution {
public:int minimumCost(int m, int n, vector<int> &horizontalCut, vector<int> &verticalCut) {int res = std::accumulate(horizontalCut.begin(), horizontalCut.end(), 0) +std::accumulate(verticalCut.begin(), verticalCut.end(), 0);for (const auto &hc: horizontalCut)for (const auto &vc: verticalCut)res += std::min({hc, vc});return res;}
};

 

 

http://www.lryc.cn/news/509785.html

相关文章:

  • ECCV-2024 | 指令不够用、大模型来生成!BEVInstructor:基于BEV感知和大模型的视觉语言导航指令生成
  • 【UE5.3.2 】引擎中安装RiderLink插件
  • 【HarmonyOS 5.0】第十二篇-ArkUI公共属性(一)
  • 京准电钟解读,NTP网络授时服务器如何提升DCS系统效率
  • 4.银河麒麟V10(ARM) 离线安装 MySQL
  • Redis四种模式在Spring Boot框架下的配置
  • Golang的性能监控指标
  • 基于GAN和DenseNett组合的调制信号分类网络(源码)
  • uniapp 项目基础搭建(vue2)
  • 中关村科金外呼机器人智能沟通破解营销难题
  • 【Linux】处理用户输入
  • flask后端开发(1):第一个Flask项目
  • Highcharts 饼图:数据可视化利器
  • 黑马商城项目—服务注册、服务发现
  • 【ES6复习笔记】Map(14)
  • 15-makefile
  • yii2 手动添加 phpoffice\phpexcel
  • 使用 AI 辅助开发一个开源 IP 信息查询工具:一
  • HNUST-数据分析技术课堂实验
  • P3456 [POI2007] GRZ-Ridges and Valleys BFS-连通块思想
  • WhisperKit: Android 端测试 Whisper -- Android手机(Qualcomm GPU)部署音频大模型
  • Clickhouse(Centos)
  • Yolo11改进策略:Block改进|使用FastVit的RepMixerBlock改进Yolo11,重参数重构助力Yolo11涨点(全网首发)
  • 微信小程序-基于Vant Weapp UI 组件库的Area 省市区选择
  • NIO(New IO)和BIO(Blocking IO)的区别
  • ROS1入门教程6:复杂行为处理
  • 碰撞检测算法之闵可夫斯基差集法(Minkowski Difference)
  • 【唐叔学算法】第18天:解密选择排序的双重魅力-直接选择排序与堆排序的Java实现及性能剖析
  • 2008-2020年各省技术服务水平相关指标数据
  • 机器学习DAY4续:梯度提升与 XGBoost (完)