代码随想录算法训练营第41天 | 343. 整数拆分 96.不同的二叉搜索树

代码随想录系列文章目录

动态规划篇

---

---

343.整数拆分

题目链接
这道题我时隔一个月之后就写不出来，所以值得好好总结一下

1.状态定义

dp[i]定义为拆分i能获得的最大乘积

2.状态转移

dp[i]是怎么转移过来呢？
拆分成 两个数相乘，拆分成三个， 四个 … 多个
想到这就应该反应过来，遍历的时候肯定需要另一个变量j，去控制拆分

其实可以从1遍历j，然后有两种渠道得到dp[i].
一个是j * (i - j) 直接相乘。
一个是j * dp[i - j]，相当于是拆分(i - j)，对这个拆分不理解的话，可以回想dp数组的定义

那么j到哪结束呢？到 i-1么？举个例子吧，当i == 5的时候，拆分变量j从 1开始
i = 5
j = 1， 2 ， 3， 4
i-j = 4, 3, 2, 1
我们是要拆分 i-j的 ，最后没必要计算dp[1], 不过计算了也没毛病，所以j可以是1到i-2, 也可以直接到i-1都可以

那么在取最大值的时候，为什么还要比较dp[i]呢？
因为在递推公式推导的过程中，每次计算dp[i]，取最大的而已。
一定要把 dp[i]加入比较
所以状态转移
dp[i] = max(dp[i], j*(i-j), j*dp[i-j])

base case

dp[0] dp[1]都无异议，我们应该从dp[2]开始初始化 dp[2] = 1

遍历方向和最后的解的位置

遍历方向就直接从左到右， 最后解的位置在dp[n], 因为肯定越大的数，拆分之后再乘起来会更大

class Solution:
    def integerBreak(self, n: int) -> int:
        dp = [0] * (n+1)
        dp[2] = 1
        for i in range(3,n+1):
            for j in range(1,i):
                dp[i] = max(dp[i], j*(i-j), j*dp[i-j])
        return dp[n]

96.不同的二叉搜索树

题目链接

找规律

首先复习一下二叉搜索树，如果不空 左子树都小于根，右子树都大于根

n为1的时候有一棵树，n为2有两棵树，这个是很直观的。

n为3的时候，有哪几种情况。

当1为头结点的时候，其右子树有两个节点，看这两个节点的布局，是不是和 n 为2的时候两棵树的布局是一样的啊！
当3为头结点的时候，其左子树有两个节点，看这两个节点的布局，是不是和n为2的时候两棵树的布局也是一样的啊！
当2为头结点的时候，其左右子树都只有一个节点，布局是不是和n为1的时候只有一棵树的布局也是一样的啊！
发现到这里，其实我们就找到了重叠子问题了，其实也就是发现可以通过dp[1] 和 dp[2] 来推导出来dp[3]的某种方式。

dp[3]，就是 元素1为头结点搜索树的数量 + 元素2为头结点搜索树的数量 + 元素3为头结点搜索树的数量

元素1为头结点搜索树的数量 = 右子树有2个元素的搜索树数量 * 左子树有0个元素的搜索树数量

元素2为头结点搜索树的数量 = 右子树有1个元素的搜索树数量 * 左子树有1个元素的搜索树数量

元素3为头结点搜索树的数量 = 右子树有0个元素的搜索树数量 * 左子树有2个元素的搜索树数量

有2个元素的搜索树数量就是dp[2]。

有1个元素的搜索树数量就是dp[1]。

有0个元素的搜索树数量就是dp[0]。

所以dp[3] = dp[2] * dp[0] + dp[1] * dp[1] + dp[0] * dp[2]

此时就找出规律了

状态定义

在上面推导规律的时候我们就能感受到
dp[i] 是 1到i为节点组成的二叉搜索树的个数为dp[i]

状态转移

在上面的分析中，其实已经看出其递推关系，
dp[i] += dp[以j为头结点左子树节点数量] * dp[以j为头结点右子树节点数量]

j相当于是头结点的元素，从1遍历到i为止。

所以递推公式：dp[i] += dp[j - 1] * dp[i - j]; ，j-1 为j为头结点左子树节点数量，i-j 为以j为头结点右子树节点数量

base case

dp[0] = 0 空节点也是一种情况

class Solution:
    def numTrees(self, n: int) -> int:
        dp = [0] * (n+1)
        dp[0] = 1
        for i in range(1,n+1):
            for j in range(1,i+1):
                dp[i] += dp[j-1] * dp[i-j]
        return dp[n]