输入是正整数或空整数的数组A和另一个整数K。
我们应该将A分成K个连续元素块（通过＆＃34;分区＆＃34;我的意思是A的每个元素都属于某个块，而2个不同的块不包含任何共同的元素）。
我们将块的总和定义为块的元素之和。
目标是在K块中找到这样的分区，使得每个块的总和最大（让我们称之为＆＃34; MaxSumBlock ＆＃34;）最小化。
我们需要输出MaxSumBlock（我们不需要找到实际的分区）
以下是一个例子：
输入：
A = {2, 1, 5, 1, 2, 2, 2}
K = 3
预期产出：
MaxSumBlock: 6
(with partition: {2, 1}, {5, 1}, {2, 2, 2})
在预期输出中，每个块的总和为3,6和6.最大值为6.
这是一个非最佳分区：
partition: {2, 1}, {5}, {1, 2, 2, 2}
在这种情况下，每个块的总和是3,6和7.因此最大值是7.这不是正确的答案。
什么算法解决了这个问题？
编辑：K和A的大小不大于100＆000; 000。 A的每个元素都不大于10＆000; 000
答案 0 :(得分：7)
使用二分搜索。
设最大和范围从0到sum（数组）。所以，mid =（范围/ 2）。通过在O（n）时间内划分为k集来查看是否可以实现mid。如果是，请选择较低的范围，如果不是，请选择更高的范围。
这将在O（n log n）中给出结果。
PS：如果您在编写代码时遇到任何问题，我可以提供帮助，但我建议您先亲自尝试。
编辑：
根据要求，我将解释如何通过在O（n）时间内划分为mid集来查找是否可以实现k。
迭代元素直到sum小于或等于mid。一旦它大于mid，就让它成为下一组的一部分。如果您获得k或更少的集合，mid是可以实现的，否则不会。