待字闺中之最大乘积

最新推荐文章于 2021-12-31 22:41:57 发布

五山小新新

最新推荐文章于 2021-12-31 22:41:57 发布

阅读量603

点赞数

分类专栏：待字闺中

本文链接：https://blog.csdn.net/Al_xin/article/details/39136501

版权

待字闺中专栏收录该内容

4 篇文章 0 订阅

订阅专栏

原题

一根绳子，长度为n米。将其切成几段，每一段的长度都是整数。请给出一种切法，使得切成的各段绳子之间的乘积是最大的。注意，最少要切一下的。

【五分钟思考时间~~~独立思考~~~】

分析

这个题目如何一步一步的分析呢？不管切几段，总有第一段，第二段…等等。第一段的长度有哪些选择呢？可以是1、2、3...一直到n-1（至少要切一下），我们用max_prod(n)表示长度为n的绳子的切法中，乘积最大的值。那么：

当第一段长度为1时，最大的乘积为：max(1×max_prod(n-1), 1×(n-1))
当第一段长度为2时，最大的乘积为：max(2×max_prod(n-2), 2×(n-2))
…
当第一段长度为n-1时，最大的乘积为：(n-1)*1=n-1

上面为什么是取max呢？注意，题目中的要求，至少是要切一下的。这样，从上面的分析中得出，递归的表达式，设第一段绳子的长度为i，取值范围为[1,n-1]，则，对于每一个i，有最大乘积为:max(i×(n-i),i×max_prod(n-i))。然后对所有的i，求的最大值，就是最终的答案。

这个题目到这里完了么？看过我们以前分析的同学，很快就能想到，进而查看，这些子问题中是否有重复的，如果有，则可以采用动态规划的方法进行算法改进。而查看是否有重复递归子问题，一个比较好的方法，就是在纸上画出递归树，然后是否有重复的递归子问题。就一目了然了。这个题目是比较明显的，同学们可以尝试自己在纸上画画，练习一下。

既然，我们已经明确了重复的递归子问题，然后呢？相信专门学习过动态规划专题的同学，都会记得这样的一句话：“自顶向下的分析问题，自底向上的解决问题”，大概类似，可能并不是原话。自底向上解决问题的意思就是先解决小问题，然后依据这些小问题的结果，再解决一批问题，依次直至解决整个问题：

当绳子的长度为1的时候，忽略，不能切
当绳子的长度为2的时候，切一刀，max_prod[2]=1×1
当绳子的长度为3的时候，切一刀，max_prod[3]=1×2
当绳子的长度为4的时候，依赖前面每一个长度的切法，并且，第一个长度从2开始。
…

这个，状态转移方程可以表示为:max_prod[i]=max((i-j)×j, j×max_prod[i-j])，其中j的范围是[1,i/2]。显然，动态规划方法的时间复杂度为O(n^2)，空间复杂度为O(n)。

这个问题，到这里，已经挺不错的。不过，还没完，这个题目是有更加巧妙的方法的。在微博上，有的同学给出了如下的方法：只需要将长度n表示为3x+2y=n，并且3尽可能的多，这样的3^x+2^y是最大的。不得不赞叹，这确实是一个很巧妙的方法。大家可以通过例子，验证几个。为什么只有3和2呢？长度为4的，就是2×2，5以上的，都可以分解为3x+2y，并且3^x+2^y>5以上的数字。这个题目要求是整数，如果取消这个限制呢？拓展思路，举一反三，请大家多多思考。

我们来看程序是如何设计的：

我们先举一些具体的例子来分析这个问题。

假设绳子的长度大于2，因为大于2的绳子才能切割。

绳子的长度为2，我们进行一个切割,绳子的最大乘积是1*1

绳子的长度为3，我们可以进行二个切割1*1*1，一个切割1*2 我们选择1*2

绳子的长度为4，我们可以进行三个切割1*1*1*1，两个切割2*2，一个切割1*3，我们选择2*2

绳子的长度为5，我们可以进行四个切,1*1*1*1*1，三个切割1*1*1*2，两个切割1*2*2，一个切割2*3，我们选择2*3

根据上面进行的实际例子分析，我们有了一些具体的分析方法了，

用动态规划的思想来解决：

我们先来考虑一下初始化状态，由于要我们新建一个len+1的数组。

由于每根绳子都可以切割n-1端，而且这就使得绳子的最小长度为1.

根据上面的分析可以知道，动态规划的计算时从绳子大于等于3开始计算的。

dp[i] 表示长度i的最大乘积。于是状态转移方程有max(max(dp[i-1],i-j)*j) 下面是代码的实现：

    C++ Code  
 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

int maxMult( int n)
{
    vector< int> dp(n + 1, 1);
     int len, i;
     for (len = 3; len <= n; len++)
    {
         for (i = 1; i < len; i++)
        {
             int t = max(dp[len - i], len - i) * i;
             //dp[len-i]可能小于(len-i)，因为dp[len-i]表示长度为len-i的分割乘积的最大值，
             //但len-i是没有分割的，两者不重合
            dp[len] = max(dp[len], t);
        }
    }
     return dp[n];
}