leetCode368(动态规划)

今天这道动态规划的解法，其实以前是做过类似的，和最长递增子序列的解法类似，但是我却还是不会做，怎是该打

题目如下

众所周知，动态规划最重要的莫过于找到动态转移方程了。这个题目也一样。我们发现最终要找到的是最长有效集合。而对于这个集合种有两个比较特殊的数，一个是最大值，一个是最小值。假设我们有一个最大值为k的有效集合，我们依次把k+1，k+2…k+n加进去。每次加入的时候，我们其实只要判断一下当前加入的数是否能整除集合中的最大值，如果能，则加入，状态转移成功到k+1。

据此，我们可以判断出只要通过集合中的最大值，我们就可以确定最长有效集合。所以我们的dp保存的可以是以数组nums中下标i对应的数字为最大值所对应的集合的长度，最终因为我们还要找出整个集合，所以还可以保存一个量为它前一个状态的集合的最大值的下标。

代码如下

class Solution {
public:
    vector<int> largestDivisibleSubset(vector<int>& nums) {
        int n = nums.size();
        sort(nums.begin(), nums.end());
        vector<vector<int>> dp(n+1, vector<int>(2, 0));//dp[i][0]为以第i个数字结尾的有效集合的长度，dp[i][1]是有效集合的倒数第二个数字的下标
        for(int i=0;i<n;i++){
            int inx = -1, minNum = -1;
            for(int j = i-1;j>=0;j--){
                if(nums[i]%nums[j] == 0){
                    if(dp[j][0]>minNum){
                        minNum = dp[j][0];
                        inx = j;
                    }
                }
            }
            if(minNum==-1){
                dp[i][0] = 1;
                dp[i][1] = -1;
            }else{
                dp[i][0] = minNum+1;
                dp[i][1] = inx;
            }          
        }

        //找到dp[i][0]最大的，开始寻路
        int inx = 0;
        for(int i=0;i<n;i++){
            if(dp[i][0]>dp[inx][0]){
                inx = i;
            }
        }
        vector<int> ans;
        do{
            ans.push_back(nums[inx]);
            inx = dp[inx][1];
        }while(inx!=-1);

        return ans;
    }
};

---

总结

当我们选择保存的状态时。如果此时的状态是一个集合不好保存的话。我们可以保存集合中的一些特殊值。到那时这个特殊值要能够确定唯一状态。！！！