LeetCode每日一题：1774. 最接近目标价格的甜点成本 深搜+剪枝 / 动态规划

题目：力扣

你打算做甜点，现在需要购买配料。目前共有 n 种冰激凌基料和 m 种配料可供选购。而制作甜点需要遵循以下几条规则：

必须选择 一种 冰激凌基料。
可以添加 一种或多种 配料，也可以不添加任何配料。
每种类型的配料 最多两份 。
给你以下三个输入：

baseCosts ，一个长度为 n 的整数数组，其中每个 baseCosts[i] 表示第 i 种冰激凌基料的价格。
toppingCosts，一个长度为 m 的整数数组，其中每个 toppingCosts[i] 表示 一份 第 i 种冰激凌配料的价格。
target ，一个整数，表示你制作甜点的目标价格。
你希望自己做的甜点总成本尽可能接近目标价格 target 。

返回最接近 target 的甜点成本。如果有多种方案，返回 成本相对较低 的一种。

示例 1：

输入：baseCosts = [1,7], toppingCosts = [3,4], target = 10
输出：10
解释：考虑下面的方案组合（所有下标均从 0 开始）：
- 选择 1 号基料：成本 7
- 选择 1 份 0 号配料：成本 1 x 3 = 3
- 选择 0 份 1 号配料：成本 0 x 4 = 0
总成本：7 + 3 + 0 = 10 。

示例 2：

输入：baseCosts = [2,3], toppingCosts = [4,5,100], target = 18
输出：17
解释：考虑下面的方案组合（所有下标均从 0 开始）：
- 选择 1 号基料：成本 3
- 选择 1 份 0 号配料：成本 1 x 4 = 4
- 选择 2 份 1 号配料：成本 2 x 5 = 10
- 选择 0 份 2 号配料：成本 0 x 100 = 0
总成本：3 + 4 + 10 + 0 = 17 。不存在总成本为 18 的甜点制作方案。

示例 3：

输入：baseCosts = [3,10], toppingCosts = [2,5], target = 9
输出：8
解释：可以制作总成本为 8 和 10 的甜点。返回 8 ，因为这是成本更低的方案。

示例 4：

输入：baseCosts = [10], toppingCosts = [1], target = 1
输出：10
解释：注意，你可以选择不添加任何配料，但你必须选择一种基料。

提示：

n == baseCosts.length
m == toppingCosts.length
1 <= n, m <= 10
1 <= baseCosts[i], toppingCosts[i] <= 104
1 <= target <= 10^4

深搜：

class Solution {
public:
    int res = 1e5;
    int suitable(int a , int b , int target){ //选出 a b 哪个成本更合适
        int re;
        if( abs(a-target) < abs(b-target)){
            re = a;
        }else if( abs(a-target) > abs(b-target) )
            re = b;
        else re = min(a , b);
        return re ;
    }
    void dfs(int money ,vector<int>& toppingCosts ,vector<int> costime ,int target,int idx){
        if(money > target){//当前成本高于预算成本 不需要再增加了 剪枝
            res = suitable(money , res , target); 
            return ;
        }else if(money == target) { //当前成本等于预算成本 最好的结果 剪枝
            res = target; return ;}
        res = suitable(money , res , target); //挑选当前成本与已存在的成本价哪个更适合
        for(int i = idx ; i < toppingCosts.size() ; i++){
            if(costime[i] < 2) { //每个配料只能用最多两次
                costime[i]++;
                dfs(money+toppingCosts[i],toppingCosts ,costime, target,i);
                // costime[i]--; // 加不加都行 不影响程序
            }
        }
    }
    int closestCost(vector<int>& baseCosts, vector<int>& toppingCosts, int target) {
        
        for(int i = 0 ; i < baseCosts.size() ; i++ ){ //分别以两种基料开始搜索 获得最合适的成本
            vector<int> costime(toppingCosts.size(),0);
            dfs(baseCosts[i],toppingCosts ,costime, target,0); 
        }
        return res ;
    }
};