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。!!!