最大整除子集——动态规划与数学原理结合

给出一个由无重复的正整数组成的集合, 找出其中最大的整除子集, 子集中任意一对 (Si, Sj) 都要满足: Si % Sj = 0 或 Sj % Si = 0。

如果有多个目标子集，返回其中任何一个均可。

示例 1:

集合: [1,2,3]

结果: [1,2] (当然, [1,3] 也正确)
 直觉告诉我先排个序是很稳的，但是一般动态规划都是计算什么解的长度，解的最大最小值之类的，突然要返回一个解，还真不会做了。

但是实际上这题动态规划思想非常简单：

排序后，dp【i】是第i个数字结尾的数组段所能拥有的最大整数子集长度。

很显然，dp【i】=max（dp【a1】，dp【a2】。。。dp【ak】）+1，其中dp【ax】代表能实现dp【i】%dp【ax】==0，

也就是说dp【i】是所有在i前面的数字能构造最大整除子集的最长的再加1.

我的思路基本上和上一致，

使用动态规划找到最大的子集数，再通过ind数组来依次找到他的前面一个因子：

比如我已经找到了【1，2，4，8，16，17】的最大子集数是5，且最大数是16，ind数组为【-1,0,1,2,3,-1】,ind数组就是他的最长子集最大因子

代码如下：
 

class Solution {
public:
    vector<int> largestDivisibleSubset(vector<int>& nums) {
        vector<int> a,res,ind;
        if(nums.size()==0)
            return res;
        sort(nums.begin(),nums.end());
        
        for (int i=0;i<nums.size();i++){
            int la=0,index=-1;
            for (int j=0;j<i;j++)
                if(nums[i]%nums[j]==0){
                    if(la<=a[j])
                        index=j;
                    la=(la>a[j])?la:a[j];
                }
            ind.push_back(index);
            la=la+1;
            a.push_back(la);
        }
        //找到最大的子集数及其索引
        int k=-1,index=-1;
        for (int i=0;i<a.size();i++){
            if(k<=a[i])
            {
                index=i;
                k=a[i];
            }
        }
        
        while(index!=-1){
            res.push_back(nums[index]);
            index=ind[index];
        } 
        return res;
        
        
    }
};