368-最大整除子集

题目

https://leetcode-cn.com/problems/largest-divisible-subset/

思路

一个问题：如何判断整数$r$是否能够加入一个整除集$Q$形成一个更大的整除集？

如果$min(Q)<r<max(Q)$，我们则需要遍历整除集 $Q$来判断$r$是否能够加入该整除集，

如果$r$需要满足以下两个条件则能直接确定能够加入$Q$形成一个更大的整除集

1. $r<min(Q)\wedge r|min(Q)$
2. $r>max(Q)\wedge max(Q)|r$

基于这个结论, 如果我们按大小顺序处理数组中的数字(将数组排序)，则能够更好的解决下一个数字是否能够扩展已有的整除集（已有整除集按照大小顺序存储）的问题，即如果从小到大处理，当我们处理数字r时可以有以下结论
$$\forall 已处理数字组成的整除集Q,r>min(Q)$$
当完成array[0:p-1]的处理后，我们假设已经采用某种方式保存了array[0:p-1]中的数字组成的整除集集合 T = { Q i ∣ 0 ≤ i ≤ p − 1 } T = \{Q_i | 0 \leq i \leq p-1\} T={Qi​∣0≤i≤p−1}，其中$Q_i$ 表示包含array[i]且array[i]为最大值的最大整除集。

对于数组P{1,2,3,4,5,6}，$Q_5$就表示包含6，且并且元素均$\le 6$的最长的整除集，即{1,2,6}或者{1,3,6}。

我们为什么要保存包含array[i]且array[i]为最大值的最大整除集$Q_i$而不是已经处理的数字组成的所有的整除集呢？首先我们仅需保存最大的整除集$Q_i$，因为我们需要求的是最大的整除集；另外我们对每一个$Q_i$限制其包含array[i]，因为其他不包含array[i]的一些整除集其由其他$Q$保存，在所有$Q$中必然存在一个全局最大的整除集

对于下一个数字p我们遍历已有的所有整除集（遍历集合$T$），找到最大的一个可以将p加入的整除集（$max(Q)|r$ 并且$Q$中元素最多），并将新的整除集保存到整除集集合中，当所有数字处理完成后，我们找到整除集中最大的一个就是最终的结果。

如果存在多个整除集长度相同并且都可以被p加入是否，那么在其中任选一个是否会影响最终结果呢？ 答案是不会

考虑

q1 = {1,2}
q2 = {1,3}
p = 6

我们可以选择将p加入q1或者将p加入q2，得到q3，此时q1和q2并没有被删除，后续的所有数字仍然可以选择加入q1或者q2，因此不存在因为p加入q1或者q2从而阻止其他数字加入q1和q2的问题。另外，后续数字能够加入集合q仅仅取决于q中的最大值，因此，q3的最大值p决定了后续什么数字可以加入q3，与q3中其他数字无关，因此不会应用最终从q3扩展得到的集合q的元素总数量

为了保存上述整除集集合$T$，我们使用了两个数组dp和dp2，其中dp[i]保存集合$Q_i$中下一个元素的索引值，即通过dp[i]可以找到$Q_i$中所有元素，dp2[i]则保存$Q_i$中元素的个数。

array = {1,2,3,4,5,6}
Q_5 = {1,2,6}
dp[5] = 1
dp[1] = 0
dp[0] = -1

当处理完所有数字后，遍历dp2找到最大的$Q_i$，然后通过dp获取$Q_i$中所有元素的值。

代码

class Solution {
public:
    vector<int> largestDivisibleSubset(vector<int>& nums) {
        sort(nums.begin(), nums.end());
        vector<int> dp(nums.size());
        vector<int> dp2(nums.size());
        vector<int> result;

        // 记录当前最大整除子集中上一个元素的index
        dp[0] = -1;
        // 记录当前最大整除子集的长度（dp2[p]表示最大元素为p时最大整除子集的大小）
        dp2[0] = 1;
        for(int i=1; i<nums.size(); i++) {
            dp[i] = -1;
            dp2[i] = 1;
            // 搜索当前元素可以加入的最大整除子集
            for (int j= i -1; j> -1; j--) {
                // 第二个条件判断表示加入的最大整除子集满足长度最大的要求
                if (nums[i] % nums[j] == 0 && (dp2[j] + 1) > dp2[i]) {
                    dp[i] = j;
                    dp2[i] = dp2[j] + 1;
                }
            }
        }

        int arg_max = 0;
        for(int i = 0; i < nums.size(); i++) {
            if (dp2[arg_max] < dp2[i]) {
                arg_max = i;
            }
        }

        for(int i = arg_max; i >= 0;) {
            result.push_back(nums[i]);
            i = dp[i];
        }
        return result;
    }
};