动态规划、贪婪算法、剪绳子

1.动态规划

使用条件：问题能够分解成若干个子问题，并且子问题之间还有重叠的更小的子问题，就可以考虑使用动态规划来解决这个问题。

特点：

1. 求一个问题的最优解；
2. 整体问题的最优解是依赖各个子问题的最优解；
3. 大问题分解成若干个小问题，这些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。

1.1 剪绳子

需要O(n²)的时间复杂度和O(n)空间复杂度

public class CuttingSolution {
    public static int maxProductCutting(int length) {
        if (length < 2) return 0;
        if (length == 2) return 1;
        if (length == 3) return 2;
        int[] products = new int[length + 1]; //存储子问题的最优解
        products[0] = 0;
        products[1] = 1;
        products[2] = 2;
        products[3] = 3;
        int max = 0;
        for (int i = 4; i <= length; i++) {  //计算自下而上
            max = 0;
            for (int j = 0; j <= i / 2; j++) {
                int product = products[j] * products[i - j];
                if (max < product) max = product;
            }
            products[i] = max;
        }
        max = products[length];
        return max;
    }

    public static void main(String[] args) {
        System.out.println(maxProductCutting(5));
    }
}

2. 贪婪算法

贪婪算法和动态规划的问题不一样。当我们应用贪婪算法解决问题的时候，每一步都可以做出一个贪婪的选择，基于这个选择，我们确定能够得到最优解。

2.1 剪绳子

需要O(1)的时间复杂度和O(1)空间复杂度

public class CuttingSolution2 {
    public static int maxProductCutting(int length) {
        if (length < 2) return 0;
        if (length == 2) return 1;
        if (length == 3) return 2;
        int a = length / 3;
        int b = length % 3;
        if (b == 0) return (int) Math.pow(3, a);
        if (b == 1) return (int) (Math.pow(3, a - 1) * 4);
        return (int) Math.pow(3, a) * 2;
    }

    public static void main(String[] args) {
        System.out.println(maxProductCutting(8));
    }
}