动态规划——Split Array Largest Sum

题意大概就是，给定一个包含非负整数的序列nums以及一个整数m，要求把序列nums分成m份，并且要让这m个子序列各自的和的最大值最小（minimize the largest sum among these m subarrays）。

Note:
If n is the length of array, assume the following constraints are satisfied:
1 ≤ n ≤ 1000
1 ≤ m ≤ min(50, n)

Examples:
Input:
nums = [7,2,5,10,8]
m = 2

Output:
18

Explanation:
There are four ways to split nums into two subarrays.
The best way is to split it into [7,2,5] and [10,8],
where the largest sum among the two subarrays is only 18.

状态：dp[j][i]就是简单的缩小题目的规模，把j长的序列分成i个连续的子序列，子序列和的最大值中的最小值。
状态转移方程：每次我们只关注整个序列中最后一个元素加入时对dp值的影响，由于是要分成连续的序列，所以最后一个元素只能与它前面的若干元素组成子序列，需要一个for来枚举包含最后一个元素的子序列的情况，例如我现在要求dp[j][i]，在放入最后一个元素nums[j]时，设klen为第i个连续子序列的长度，这个子序列的和为
dp[nums.size][1]-dp[nums.size-klen][1],而前nums-klen个元素组成的i-1个连续子序列和的最大值的最小值为dp[nums.size][i-1]已经在前面的计算过程中完成了计算，易知dp[j][i] = min(max(dp[nums.size][1]-dp[nums.size-klen][1],dp[nums.size][i-1]))，这个题可以很明显的看出动态规划的最优子结构

不过为了方便起见，先将所有的dp[j][1]计算出来，计算很简单也好理解，就是for循环叠加，不过如果单纯用int数组的话可能越界，比如：[1,2147483647]，会在dp数组中出现-2147483648这样的元素。由于输入样本都是整数，可以使用double数组，返回的结果用int强制转换即可

 

     public int splitArray(int[] nums,int m) {
         int nlen = nums.length;
         int[]num = new int[nlen+1];
         double[][]dp = new double[nlen+1][m+1];
         double temp = 0;
         num[0] = nums.length;
         for(int i = 1;i<=nlen;i++)
             num[i] = nums[i-1];
         for(int i = 0;i<=nlen;i++)
             dp[i][0] = 0;
         for(int i = 0;i<=m;i++)
             dp[0][i] = 0;
         for(int i = 1;i<=m;i++) {
             for(int j = i;j<=nlen;j++) {
                 if(i==1)dp[j][i] = dp[j-1][i]+num[j];
                 else {
                     dp[j][i] = dp[nlen][1];
                     for(int k = i-1;k<j;k++) {
                         temp = dp[k][i-1]>(dp[j][1]-dp[k][1])?dp[k][i-1]:(dp[j][1]-dp[k][1]);
                         dp[j][i] = dp[j][i]<temp?dp[j][i]:temp;
                     }
                 }
             }
         }

         for(int i = 1;i<=m;i++) {
             for(int j = 1;j<=nlen;j++)
                 System.out.print(dp[j][i]+" ");
             System.out.println();
         }

         return (int) dp[nlen][m];
     }