2021年1月23日 经典动态规划 剪绳子

题目描述

给你一根长度为n的绳子，请把绳子剪成整数长的m段（m、n都是整数，n>1并且m>1，m<=n），每段绳子的长度记为k[1],…,k[m]。请问k[1]x…xk[m]可能的最大乘积是多少？例如，当绳子的长度是8时，我们把它剪成长度分别为2、3、3的三段，此时得到的最大乘积是18。

因为我只会用递归
所以一开始还是用递归写了一个demo
可惜我不知道什么时候该将末尾的数字剔除
所以最终不了了之

然后学习了各路大佬的动态规划思想
动态规划求解问题的四个特征：
①求一个问题的最优解；
②整体的问题的最优解是依赖于各个子问题的最优解；
③小问题之间还有相互重叠的更小的子问题；
④从上往下分析问题，从下往上求解问题
参考代码：

public class Solution {
    public int cutRope(int n) {
       // n<=3的情况，m>1必须要分段，例如：3必须分成1、2；1、1、1 ，n=3最大分段乘积是2,
        if(n==2)
            return 1;
        if(n==3)
            return 2;
        int[] dp = new int[n+1];
        /*
        下面3行是n>=4的情况，跟n<=3不同，4可以分很多段，比如分成1、3，
        这里的3可以不需要再分了，因为3分段最大才2，不分就是3。记录最大的。
         */
        dp[1]=1;
        dp[2]=2;
        dp[3]=3;
 
        for (int i = 4; i <= n; i++) {
            int res=0;//记录最大的
            for (int j = 1; j <=i/2 ; j++) {
                res=Math.max(res,dp[j]*dp[i-j]);//这里需要是两个dp值的乘积，而不是我之前想的j*dp[i-j]
            }
            dp[i]=res;
        }
        return dp[n];
    }
}

代码简洁

这里主要注意的问题是：
1、必须要剪，不能不剪
2、状态转移公式
res=Math.max(res,dp[j]*dp[i-j]);
这里需要注意
dp[1] 代表的是 剩余绳子长度为1 时，各种剪法的最大的乘积（这里实际只有一种结果，就是1）
dp[2] 代表的是 剩余绳子度为2 时，各种剪法的最大的乘积（这里实际上只有一种剪法，结果为2）
dp[3] 代表的是 剩余绳子长度为3 时，各种剪法的最大的乘积（3）