动态规划优化：粉刷房子II的O(nk)解法

1. 问题背景与核心挑战

第一次看到LeetCode上这道"粉刷房子II"（Paint House II）时，我承认自己也被那个k给唬住了。题目描述很简单：有n栋排成一排的房子，每栋可以刷k种不同颜色，相邻房子颜色不能相同，给出每种颜色在每个房子上的粉刷成本，要求找出总成本最低的粉刷方案。

最直观的动态规划解法确实容易想到：用dp[i][j]表示第i栋房子刷第j种颜色时的最小总成本。状态转移方程也很直接：

code复制dp[i][j] = costs[i][j] + min(dp[i-1][c])，其中c != j

这意味着对于每栋房子i的每种颜色j，我们需要检查前一栋房子i-1的所有非j颜色的成本，取最小值。这样时间复杂度就是O(nk²)，当k很大时（比如k=1000），这个复杂度就相当可观了。

关键问题：我们真的需要为每个颜色j都完整遍历前一栋的所有其他颜色吗？有没有办法避免这种"全量扫描"？

2. 关键观察与优化思路

经过仔细分析，我发现了一个重要的优化点：对于每栋房子，其实我们只需要知道前一栋房子的两个关键信息：

1. 前一栋房子的最小总成本是多少
2. 这个最小值对应的颜色是什么

为什么这两个信息就够了？因为：

• 如果当前颜色j不等于前一栋的最小颜色，那么直接使用前一栋的最小值
• 如果当前颜色j等于前一栋的最小颜色，那么我们就需要用到前一栋的"次小值"

这个观察将问题简化为：在计算每栋房子时，我们只需要维护前一栋房子的最小和次小值及其对应的颜色，而不需要保留完整的k个状态。这样每栋房子的处理时间就从O(k²)降到了O(k)。

2.1 具体实现步骤

1. 初始化：

   • 第一栋房子的dp值就是其本身的粉刷成本
   • 记录全局最小值和次小值及其颜色

2. 递推计算：

   • 对于第i栋房子的每种颜色j：
     • 如果j不等于前一栋的最小颜色，则当前成本 = costs[i][j] + 前一栋的最小值
     • 否则，当前成本 = costs[i][j] + 前一栋的次小值
   • 在计算完第i栋的所有颜色后，更新当前的最小和次小值

3. 最终结果：

   • 最后一栋房子的最小值就是全局最小总成本

2.2 复杂度分析

• 时间复杂度：O(nk)