当前:LC410 · 分割数组的最大值 · 首次出现于 Day 47 · 路径:顶栏「56天打卡」→ 点击 LC 题号 → 逐题动画

LC410算法模式二分答案 · 分割和答案可行性刻度

分割数组的最大值

nums 分 m 段最小最大段和=15。

题目是什么

nums 分 m 段最小最大段和=15。

解决什么问题

mid 对应的答案可行吗,可行后应收紧哪一侧?

核心结论

二分答案 mid:贪心看能否≤m 段每段≤mid;缩边界。

01交互算法精讲

先说结论:这道题到底解决什么

怎样从“nums 分 m 段最小最大段和=15。”推导出 二分答案 · 分割和,并证明每次状态变化都不会漏掉答案?

中心结论:二分答案 mid:贪心看能否≤m 段每段≤mid;缩边界。

读完必须能回答
  1. 1.暴力方案在哪里重复计算,为什么仍然是正确基线?
  2. 2.mid 对应的答案可行吗,可行后应收紧哪一侧?
  3. 3.不变量“验证函数单调,可二分答案。”为什么能保证算法安全前进?
02交互算法精讲

完整题目与题意拆解

给定一个非负整数数组和一个整数 m,你需要将这个数组分成 m 个非空的连续子数组。设计一个算法使得这 m 个子数组各自和的最大值最小。

注意: 数组长度 n 满足以下条件:

1 ≤ n ≤ 1000 1 ≤ m ≤ min(50, n)

在本站主例中,nums 分 m 段最小最大段和=15。

算法最终需要得到或观察:最小最大段和 15。

把题目翻译成状态
  • 输入:nums 分 m 段最小最大段和=15。
  • 机器需要维护:lo/hi 答案、贪心段数。
  • 最终可观察结果:最小最大段和 15。
动画 1 · 题意扫描

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。

Step 1/20%
题目与输入建立输入、目标与算法心智

判定:能否分成 m 段且每段和 ≤ mid

正在加载算法场景...
03交互算法精讲

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。

动画 2 · 暴力重复

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。

Step 1/20%
先做对:建立暴力基线枚举所有候选并完整验证

判定:能否分成 m 段且每段和 ≤ mid

正在加载算法场景...
优化方向:二分答案 mid:贪心看能否≤m 段每段≤mid;缩边界。
04交互算法精讲

整体地图:先做什么,再做什么

  1. 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. 2状态只维护 lo/hi 答案、贪心段数。
  3. 3转移每一步按照 二分答案 mid:贪心看能否≤m 段每段≤mid;缩边界。
  4. 4收尾读取 最小最大段和 15。,并复核边界与复杂度。
05交互算法精讲

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 答案、贪心段数。

核心不变量
  • 验证函数单调,可二分答案。
动画 3 · 核心概念

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。

Step 1/30%
题目与输入建立输入、目标与算法心智

判定:能否分成 m 段且每段和 ≤ mid

正在加载算法场景...
06交互算法精讲

核心机制:状态如何一步步变化

给出一个数组和分割的个数 M。要求把数组分成 M 个子数组,输出子数组和的最大值。 这一题可以用动态规划 DP 解答,也可以用二分搜索来解答。这一题是二分搜索里面的 max-min 最大最小值问题。题目可以转化为在 `M` 次划分中,求一个 `x`,使得 `x` 满足:对任意的`S(i)`,都满足 `S(i) ≤ x`。这个条件保证了 `x` 是所有 `S(i)` 中的最大值。要求的是满足该条件的最小的 `x`。`x` 的搜索范围在 `[max, sum]` 中。逐步二分逼近 low 值,直到找到能满足条件的 low 的最小值,即为最终答案。

二分答案 mid:贪心看能否≤m 段每段≤mid;缩边界。

执行过程中持续维护:lo/hi 答案、贪心段数。

正确性依赖以下不变量:验证函数单调,可二分答案。

面试时可以压缩为:二分+贪心验证 O(n log S)。

落到当前题,执行机制可以压缩为:二分答案 mid:贪心看能否≤m 段每段≤mid;缩边界。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。

动画 4 · 机制构建

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。

Step 1/50%
mid=21 可行,尝试更小hi=mid

可以分成 2 段,每段和 ≤ 21

正在加载算法场景...
07交互算法精讲

正确性证明:为什么不会漏答案

初始化

初始化:算法开始时,全部合法候选仍在状态表示范围内;验证函数单调,可二分答案。

保持

保持:执行“二分答案 mid:贪心看能否≤m 段每段≤mid;缩边界。”时,只删除已经能证明不可能的候选,并把新信息写回 lo/hi 答案、贪心段数。

终止

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“最小最大段和 15。”。

正确性抓手不是“样例跑通”,而是每一帧结束后仍能复述:验证函数单调,可二分答案。
08交互算法精讲

完整执行过程

  1. 1题目与输入nums 分 m 段最小最大段和=15。 因为:二分答案 mid:贪心看能否≤m 段每段≤mid;缩边界。
  2. 2二分答案:最小最大子数组和答案在范围内单调。 因为:limit 越大越容易 split。
  3. 3mid=21 可行,尝试更小收缩上界。 因为:二分最小可行值。
  4. 4mid=15 不可行,需要更大提高下界。 因为:二分最小可行值。
  5. 5mid=18 可行,尝试更小收缩上界。 因为:二分最小可行值。
  6. 6mid=17 不可行,需要更大提高下界。 因为:二分最小可行值。
  7. 7最小可能的最大段和 = 18lo==hi 即答案。 因为:O(n log sum) 答案二分。
  8. 8收尾与复杂度最小最大段和 15。 因为:时间 O(n) · 空间 O(1)。二分答案 mid:贪心看能否≤m 段每段≤mid;缩边界。
动画 5 · 完整执行

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。

Step 1/80%
题目与输入建立输入、目标与算法心智

判定:能否分成 m 段且每段和 ≤ mid

正在加载算法场景...
09交互算法精讲

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。

动画 6 · 代码映射

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。

Step 1/60%
二分答案:最小最大子数组和lo=max(nums), hi=sum(nums)

判定:能否分成 m 段且每段和 ≤ mid

正在加载算法场景...
10交互算法精讲

完整 Go 提交代码与最小测试

完整 Go 解法
func splitArray(nums []int, m int) int {
	maxNum, sum := 0, 0
	for _, num := range nums {
		sum += num
		if num > maxNum {
			maxNum = num
		}
	}
	if m == 1 {
		return sum
	}
	low, high := maxNum, sum
	for low < high {
		mid := low + (high-low)>>1
		if calSum(mid, m, nums) {
			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
}
最小测试集合
func main() {
    // 1. 主例
    //    输入:mode="split-array", nums=[7,2,5,10,8], m=2
    //    期望:最小最大段和 15。
    //
    // 2. 失败 / 未命中
    //    检查:贪心验证要线性扫累加切段。
    //
    // 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 香蕉;LC1011 船运
}

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。

11交互算法精讲

正确性与复杂度

时间复杂度 O(n)

执行过程中只保留仍可能影响答案的状态。二分答案 mid:贪心看能否≤m 段每段≤mid;缩边界。

空间复杂度 O(1)

额外状态主要用于维护:lo/hi 答案、贪心段数。

终局不变量
  • 验证函数单调,可二分答案。
12交互算法精讲

最容易写错的地方

错误 1

贪心验证要线性扫累加切段。

边界复查

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。

13交互算法精讲

最后复盘:带走逻辑链

  1. 1题意nums 分 m 段最小最大段和=15。
  2. 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. 3优化二分答案 mid:贪心看能否≤m 段每段≤mid;缩边界。
  4. 4证明验证函数单调,可二分答案。
  5. 5复杂度时间 O(n),空间 O(1)
面试表达:二分+贪心验证 O(n log S)。
迁移练习
  • LC875 香蕉
  • LC1011 船运