今天这两题确实相对于之前来说是很大难度的一个提升,算是对动态规划进阶算法。
首先回顾一下动态规划要素:
1、当前结果是基于上一次结果,受到上次结果的影响
//1、确定dp数组的含义及下际定义
//2、确定递推公式
//3、dp数组应该如何初始化
//4、确定遍历顺序
//5、打印dp数组,进行debug
思路:
对于初学者的我来说,根本想不到此题的做法,只能尽量可以在复盘的时候,重复卡哥的想法。
1、首先定义dp数组含义,为当前数值所能够拆分得到的最大值。
2、确定递推关系,dp[i]的值,可能是直接将其差分为i-j和i,两个直接相乘。
并且还有dp[i-j]*j,这里的意思就是先将i分为i-j和j,然后依次往上叠加,依次求其最大值,看是怎样将分为一个多大j和多大的d[i-j]之和能达到最大。
这里要时刻记住dp[]的含义是将i分解为多少的最大乘积,也就是可以不用管后面一步了。
3、对dp数组进行初始化
dp[0]那么肯定为0,dp[1]肯定为1,dp[2]=1;分解是肯定不可能是分解为0和一个树的组合,并且j肯定是要从1开始。而i得从3开始,并且在这里,其实j完全没必要预测到最后,因为预测到最后,其实只是把结果重新又来了一遍,完全可以取i/2;
只不过我们不知道m究竟是多少而已,但可以明确的是m一定大于等于2,既然m大于等于2,也就是 最差也应该是拆成两个相同的 可能是最大值。
class Solution {
public:
//数值应该尽可能相等,相乘才能达到最大
int integerBreak(int n)
{
vector<int>dp(n+1);//分拆数字i,得到的最大乘积dp[i]
dp[2] = 1;
for (int i = 3; i <= n; i++)
{
for (int j = 1; j <= i / 2; j++)
{
dp[i] = max(dp[i], max((i - j) * j, dp[i - j] * j));
}
}
return dp[n];
}
};
本题相对于前题来说较为容易一下
思路:对第n个结点,我们需要统计能有多少种不同的二叉搜索树,也就是分别统计当根节点为1到n的所有总和。
dp数组为1到i为节点组成的二叉搜索树的个数为dp[i]。
一定要理解二叉搜索树的含义,左子树中各节点值下雨根节点,右子树中各节点大于根节点。
所以当根节点为j时,那么左子树就有j-1个结点,右子树又i-j个结点,然后分别让其相乘,就能得到当前j为节点时,有多少种二叉搜索树。
class Solution {
public:
int numTrees(int n)
{
vector<int>dp(n + 1);
dp[0] = 1;
for (int i = 1; i <= n; i++)
{
for (int j = 1; j <= i; j++)
{
dp[i] += dp[j - 1] * dp[i - j];
}
}
return dp[n];
}
};