343. 整数拆分
思路:
动态规划:
1、确定dp数组以及下标的定义:
dp[i]:表示拆分数字i,所得到的最大的乘积
2、确定递归方程:
从1开始遍历j,从两个渠道得到dp[i]。比如拆分5。
1、从j *(i - j)获取 ---- 这个就是当前遍历拆分的数字等于 1 * (5 - 1)
2、从j * dp[i - j]获取,这个就是可能拆分为2个数字来看乘积不是最大值,那我就把4拆了比如拆成(1, 1, 3)
递推公式:dp[i] = max(dp[i], max((i - j) * j, dp[i - j] * j));
3、dp的初始化
我们直接默认dp[2] = 1,然后从3 开始遍历。
4、确定遍历顺序:
dp[i] 是依靠 dp[i - j]的状态,所以遍历i一定是从前向后遍历,先有dp[i - j]再有dp[i]。
for (int i = 3; i <= n ; i++) {
for (int j = 1; j < i - 1; j++) {
dp[i] = max(dp[i], max((i - j) * j, dp[i - j] * j));
}
}
因为拆分一个数n使乘积最大化,但是一定是拆分成m个相似的数。比如7 拆 成 3, 4 。10 拆 成 3,3,4.可以确定m肯定是大于等于2的,所以我们可以让j遍历到i/2就可以了。
5、举例推导dp
class Solution {
public:
int integerBreak(int n) {
vector<int> dp(n + 1);
dp[2] = 1;
for (int i = 3; i <= n ; i++) {
for (int j = 1; j <= i / 2; j++) {
dp[i] = max(dp[i], max((i - j) * j, dp[i - j] * j));
}
}
return dp[n];
}
};
96.不同的二叉搜索树
画图举例:
n = 1的时候只有一棵树,自己为头结点
n = 2的时候有两个
n = 3 的时候有五个
文字描述n=3的情况:
dp[3] = 元素1为头结点的情况 + 元素2为头结点的情况 + 元素3为头结点的情况
头结点为1 的情况:右子树有两个节点和左子树有0个节点。
头结点为2的情况:右子树有1个节点和左子树有1个节点。
头结点为3的情况:右子树有0个节点和左子树有2个节点。
有2个元素的搜索树为dp[2]
有1个元素的搜索树为dp[1]
有0个元素的搜索树为dp[0]
dp[3] = dp[2] * dp[0] + dp[1] * dp[1] + dp[0] * dp[2]
动态规划:
1、确定dp数组
dp[i]为 i为头结点的搜索树的数量
2、确定递归公式
dp[i] += dp[j - 1] * dp[i - j]:j - 1是 j 为头结点的左子树的数量,i - j为 以 j 为头结点的右子树的数量。
3、dp数组初始化
dp[0] = 1
4、确定遍历顺序:
需要考虑j - 1所以前向遍历
5、举例推导:
class Solution {
public:
int numTrees(int n) {
vector<int> dp(n + 1);
dp[0] = 1;
for (int i = 1; i <= n; i++) {
for (int j = 1; j <= i; j++) {
dp[i] += dp[j - 1] * dp[i - j];
}
}
return dp[n];
}
};