绿洲之旅：最少次数补给探索 ｜ 豆包MarsCode AI 刷题

问题背景

假设一位旅行者需要穿越一片沙漠，起点到终点的距离为 D 公里，旅行者初始携带了 W 升水，每前进一公里需要消耗一升水。在穿越过程中，沿途会经过 N 个补给站，补给站的位置和可提供的水量分别由数组 position 和 supply 描述。

旅行者的目标是用最少的补给次数到达终点。如果在某个时刻发现无法前行，则无法完成任务，输出 -1。

在这一问题中，我们需要兼顾两个核心点：

1. 每次补给的时机：选择适当的时机进行补给，以保证旅程能够继续。
2. 补给的优先级：从多个补给选项中，选择能让旅程覆盖最远距离的补给量。

解决思路

从问题描述来看，它具备明显的贪心特性：我们需要在每个关键点（当前位置无水前行时）做出最优决策，尽量选择当前能提供最多水量的补给站，以减少未来补给次数。具体的解决思路如下：

1. 按距离排序补给站 补给站的位置不一定是按顺序给出的，因此需要先将它们按距离从小到大排序。这样可以保证旅行者在沿途遇到补给站的顺序与实际前进顺序一致。
2. 维护一个最大堆记录可选补给量 在每经过一个补给站时，将其可提供的水量存入最大堆中。当发现当前携带的水量不足以到达下一个目的地时，从堆中取出最大值进行补给。这种策略确保了当前的补给选择是对后续行程最有利的。
3. 处理终点作为特殊情况 在所有补给站处理完后，还需要考虑终点的情况。如果当前水量仍不足以到达终点，则需要继续从最大堆中补给，否则任务失败。
4. 计算补给次数 每次从堆中取水，即为一次补给。通过计数器记录补给次数，最终返回结果。

贪心算法的优势

这一问题选择贪心算法有以下几个优势：

1. 局部最优解的有效性 在每次面临“是否需要补给”的选择时，选用当前能提供最大补给量的站点，总能为未来节省更多水量需求，减少补给次数。
2. 时间效率高 贪心算法主要依赖排序和堆操作，时间复杂度为 O(nlog⁡n)，非常适合处理大规模输入。
3. 简单易实现 贪心算法直接针对问题的局部最优策略构建解决方案，逻辑清晰，代码量少。

实现步骤详解

具体的实现可以分为以下几个步骤：

1. 输入数据的预处理 将补给站信息存储为一个二维数组，并按照距离进行排序。

2. 使用最大堆记录补给量 遍历每个补给站时，将其补给量加入最大堆。在水量不足时，从堆中提取最大补给量。

3. 终点检查 当所有补给站处理完后，仍需检查剩余水量是否能覆盖到终点。如果无法到达，则返回 -1。

4. 补给次数统计 每次补充水量，计数器加一，最后输出最少补给次数。

   ​
   import java.util.PriorityQueue;
   ​
   public class travel_lvzhou {
   ​
           public static int solution(int d, int w, int[] position, int[] supply) {
               int n = position.length;
               // 补给站按距离排序
               int[][] stations = new int[n][2];
               for (int i = 0; i < n; i++) {
                   stations[i][0] = position[i];
                   stations[i][1] = supply[i];
               }
               java.util.Arrays.sort(stations, java.util.Comparator.comparingInt(a -> a[0]));
   ​
               // 最大堆存储可以选择的补给量
               PriorityQueue<Integer> maxHeap = new PriorityQueue<>((a, b) -> b - a);
               int currentWater = w; // 当前水量
               int refills = 0; // 补给次数
               int prevPosition = 0; // 上一个位置
   ​
               for (int i = 0; i <= n; i++) {
                   // 当前目标点，补给站或终点
                   int currentPosition = (i < n) ? stations[i][0] : d;
                   int distance = currentPosition - prevPosition;
   ​
                   // 如果当前水量不足以到达下一个站点，进行补给
                   while (currentWater < distance) {
                       if (maxHeap.isEmpty()) {
                           return -1; // 无法到达
                       }
                       currentWater += maxHeap.poll(); // 从最大堆中取最大水量
                       refills++;
                   }
   ​
                   currentWater -= distance;
                   prevPosition = currentPosition;
   ​
                   // 如果是补给站，将其水量加入堆中
                   if (i < n) {
                       maxHeap.offer(stations[i][1]);
                   }
               }
   ​
               return refills;
           }
   ​
           public static void main(String[] args) {
               // You can add more test cases here
               int[] testPosition = {170, 192, 196, 234, 261, 269, 291, 404, 1055, 1121, 1150, 1234, 1268, 1402, 1725, 1726, 1727, 1762, 1901, 1970};
               int[] testSupply = {443, 185, 363, 392, 409, 358, 297, 70, 189, 106, 380, 130, 126, 411, 63, 186, 36, 347, 339, 50};
   ​
               System.out.println(solution(10, 4, new int[]{1, 4, 7}, new int[]{6, 3, 5}) == 1);
               System.out.println(solution(2000, 200, testPosition, testSupply) == 5);
           }
   ​
   }
   ​