在 D 天内送达包裹的能力
weights 分 d 天运完,最小船载重 capacity。
weights 分 d 天运完,最小船载重 capacity。
mid 对应的答案可行吗,可行后应收紧哪一侧?
二分 capacity,贪心看需几天(超则天+1)。
先说结论:这道题到底解决什么
怎样从“weights 分 d 天运完,最小船载重 capacity。”推导出 二分答案 · 船运,并证明每次状态变化都不会漏掉答案?
中心结论:二分 capacity,贪心看需几天(超则天+1)。
- 1.暴力方案在哪里重复计算,为什么仍然是正确基线?
- 2.mid 对应的答案可行吗,可行后应收紧哪一侧?
- 3.不变量“验证随 capacity 增大 days 减少。”为什么能保证算法安全前进?
完整题目与题意拆解
传送带上的包裹必须在 D 天内从一个港口运送到另一个港口。
传送带上的第 i 个包裹的重量为 weights[i]。每一天,我们都会按给出重量的顺序往传送带上装载包裹。我们装载的重量不会超过船的最大运载重量。
返回能在 D 天内将传送带上的所有包裹送达的船的最低运载能力。
1 <= D <= weights.length <= 50000 1 <= weights[i] <= 500
在本站主例中,weights 分 d 天运完,最小船载重 capacity。
算法最终需要得到或观察:最小 capacity。
- • 输入:weights 分 d 天运完,最小船载重 capacity。
- • 机器需要维护:lo/hi capacity、days 验证。
- • 最终可观察结果:最小 capacity。
先看清算法到底要维护什么
先建立输入、目标、输出和第一批状态,不急着进入模板。
判定:cap 下能否在 days 天内运完
第一层方案:暴力做法
枚举每一个可能答案会做大量相似验证;可行性单调时,可以直接在答案空间二分。
暴力方案的价值是确认题意并提供正确性基线。它通常会覆盖所有候选, 但没有保存已经确认的信息,因此同一状态会被重新计算。
重复工作究竟发生在哪里
把重复读取或重复搜索的区域明确标出,再决定优化必须保存什么。
判定:cap 下能否在 days 天内运完
整体地图:先做什么,再做什么
- 1建模把输入翻译成“答案可行性刻度”,明确答案需要观察什么。
- 2状态只维护 lo/hi capacity、days 验证。
- 3转移每一步按照 二分 capacity,贪心看需几天(超则天+1)。
- 4收尾读取 最小 capacity。,并复核边界与复杂度。
答案可行性刻度:核心概念
先证明答案越大或越小时,可行性只朝一个方向变化。
这道题不是为了记住一个组件名称,而是为了让状态具有可解释的语义:lo/hi capacity、days 验证。
- • 验证随 capacity 增大 days 减少。
建立“答案可行性刻度”心智模型
用主例建立核心状态,先预测下一步,再公开正确分支和理由。
判定:cap 下能否在 days 天内运完
核心机制:状态如何一步步变化
给出一个数组和天数 D,要求正好在 D 天把数组中的货物都运完。求传输带上能承受的最小货物重量是多少。 这一题和第 410 题完全一样,只不过换了一个题面。代码完全不变。思路解析见第 410 题。
二分 capacity,贪心看需几天(超则天+1)。
执行过程中持续维护:lo/hi capacity、days 验证。
正确性依赖以下不变量:验证随 capacity 增大 days 减少。
面试时可以压缩为:二分+贪心 O(n log sum)。
落到当前题,执行机制可以压缩为:二分 capacity,贪心看需几天(超则天+1)。每一次更新都必须保持核心不变量,而不是只让样例碰巧得到正确答案。
一次状态转移为什么成立
集中观察一次选择、计算和状态写回,让变量变化与原因同时出现。
尝试更小容量
正确性证明:为什么不会漏答案
初始化:算法开始时,全部合法候选仍在状态表示范围内;验证随 capacity 增大 days 减少。
保持:执行“二分 capacity,贪心看需几天(超则天+1)。”时,只删除已经能证明不可能的候选,并把新信息写回 lo/hi capacity、days 验证。
终止:没有待处理状态或达到命中条件时,当前可观察结果就是“最小 capacity。”。
完整执行过程
- 1题目与输入weights 分 d 天运完,最小船载重 capacity。 因为:二分 capacity,贪心看需几天(超则天+1)。
- 2二分船载容量 cap答案二分模板。 因为:与 split array 同型。
- 3cap=21 可在 5 天内运完贪心模拟装船天数。 因为:单日超载则开新 day。
- 4预测下一步先不要看下一帧——根据当前不变量,预测算法接下来会怎么动。 因为:主动预测会暴露你对不变量的真实理解,比被动看动画有效得多。
- 5cap=15 可在 5 天内运完贪心模拟装船天数。 因为:单日超载则开新 day。
- 6cap=12 不够贪心模拟装船天数。 因为:单日超载则开新 day。
- 7最小容量 = 15返回最小可行 cap。 因为:O(n log sum)。
- 8收尾与复杂度最小 capacity。 因为:时间 O(n) · 空间 O(1)。二分 capacity,贪心看需几天(超则天+1)。
从输入完整走到可观察结果
从主例第一帧运行到答案,时间轴始终显示当前状态、因果解释和下一步。
判定:cap 下能否在 days 天内运完
把动画和 Go 代码逐行对应
代码窗口不会按容易漂移的固定数字行号硬绑动画,而是根据当前语义阶段, 在完整 Go 实现中定位选择、计算、写回或返回分支。当前变量与高亮行一起变化。
让每个动作都落到 Go 分支
重新执行关键分支,只显示当前代码附近窗口,并说明这行为什么在此刻运行。
判定:cap 下能否在 days 天内运完
完整 Go 提交代码与最小测试
func shipWithinDays(weights []int, D int) int {
maxNum, sum := 0, 0
for _, num := range weights {
sum += num
if num > maxNum {
maxNum = num
}
}
if D == 1 {
return sum
}
low, high := maxNum, sum
for low < high {
mid := low + (high-low)>>1
if calSum(mid, D, weights) {
high = mid
} else {
low = mid + 1
}
}
return low
}
func calSum(mid, m int, nums []int) bool {
sum, count := 0, 0
for _, v := range nums {
sum += v
if sum > mid {
sum = v
count++
// 分成 m 块,只需要插桩 m -1 个
if count > m-1 {
return false
}
}
}
return true
}func main() {
// 1. 主例
// 输入:mode="ship-packages", weights=[1,2,3,4,5,6,7,8,9,10], days=5
// 期望:最小 capacity。
//
// 2. 失败 / 未命中
// 检查:贪心装船:当前超重开新的一天。
//
// 3. 边界
// 空输入、单元素、最小合法规模,以及答案恰好落在边界的情况。
//
// 4. 迁移
// LC875;LC410
}Go 参考实现基于 halfrost/LeetCode-Go 的 MIT 许可代码整理,并按本站教学结构补充解释与动画映射。
正确性与复杂度
执行过程中只保留仍可能影响答案的状态。二分 capacity,贪心看需几天(超则天+1)。
额外状态主要用于维护:lo/hi capacity、days 验证。
- • 验证随 capacity 增大 days 减少。
最容易写错的地方
贪心装船:当前超重开新的一天。
必须额外检查空输入、单元素、未命中或不可达情况,以及恰好落在边界的输入。
最后复盘:带走逻辑链
- 1题意weights 分 d 天运完,最小船载重 capacity。
- 2重复枚举每一个可能答案会做大量相似验证;可行性单调时,可以直接在答案空间二分。
- 3优化二分 capacity,贪心看需几天(超则天+1)。
- 4证明验证随 capacity 增大 days 减少。
- 5复杂度时间 O(n),空间 O(1)
- • LC875
- • LC410