Acwing动态规划计数DP——整数划分

题目：

一个正整数 nn 可以表示成若干个正整数之和，形如：n=n1+n2+…+nk，其中 n1≥n2≥…≥nk,k≥1。

我们将这样的一种表示称为正整数 nn的一种划分。

现在给定一个正整数 n，请你求出 n 共有多少种不同的划分方法。

输入格式

共一行，包含一个整数 n。

输出格式

共一行，包含一个整数，表示总划分数量。

由于答案可能很大，输出结果请对 1e9+7 取模。

数据范围

1≤n≤1000

思路详解：

这道题主要可以用到完全背包的思想：

可以将题意理解为面对一个容量为n的背包，每次试图将体积为1到n的物品塞入，直至赛不满，问有多少种情况：

如5=5=4+1=3+2=3+1+1=2+2+1=2+1+1+1=1+1+1+1+1共7种情况。

定义一个动态规划数组dp[i][j]，其中表示从1到i中的数字中选取，装入j的背包。

故此时按照完全背包的思路，装入i时的情况可以被分为：

装入1个i，装入2个i，装入3个i………装入s个i，其中s为可以装入i的最大值。

即有dp[i][j]=dp[i-1][j]+dp[i-1][j-i]+dp[i-1][j-2i]+…………dp[i-1][j-si];

而考虑dp[i][j-i]，则也可以分为上述若干种情况，有：

dp[i][j-i]=         dp[i-1][j-i]+dp[i-1][j-2i]+…………dp[i-1][j-si];（因为无论如何j可以取i的数量s是不变的，所以后面不会多出来一项）

在这里可以惊奇地发现，后面居然是一样的，所以合并后有：

dp[i][j]=dp[i-1][j]+dp[i][j-i];   即为状态转移方程

代码部分：

#include <iostream>
#include <algorithm>

using namespace std;

//dp[i][j]=dp[i-1][j]+dp[i-1][j-i]+dp[i-1][j-2i]+…………dp[i-1][j-si];
//dp[i][j-i]=         dp[i-1][j-i]+dp[i-1][j-2i]+…………dp[i-1][j-si];
//dp[i][j]=dp[i-1][j]+dp[i][j-i];   状态转移方程

const int N=1010;
int mod=1e9+7;
int dp[N][N];
int n;//输入的整数

int main()
{
    cin>>n;
    dp[0][0]=1;
    for(int i=1;i<=n;i++)   dp[i][0]=1;
    for(int i=1;i<=n;i++)
    {
        for(int j=1;j<=n;j++)
        {
            if(j>=i)dp[i][j]=(dp[i-1][j]+dp[i][j-i])%mod;//i小于等于j，装得下，就可以分情况考虑装下几个i。
            else    dp[i][j]=dp[i-1][j];//i大于j，装不下，那就和1到i-1的选取方案数是一样的。
        }
    }
    cout<<dp[n][n];
    return 0;
}

---

采用一维数组可以降低空间复杂度（用完全背包类似的方法做等价替换，删去一维即可)

代码段如下所示：

#include <iostream>
#include <algorithm>

using namespace std;

//dp[i][j]=dp[i-1][j]+dp[i-1][j-i]+dp[i-1][j-2i]+…………dp[i-1][j-si];
//dp[i][j-i]=         dp[i-1][j-i]+dp[i-1][j-2i]+…………dp[i-1][j-si];
//dp[i][j]=dp[i-1][j]+dp[i][j-i];   状态转移方程

const int N=1010;
int mod=1e9+7;
int dp[N];
int n;//输入的整数

int main()
{
    cin>>n;
    dp[0]=1;
    for(int i=1;i<=n;i++)
        for(int j=i;j<=n;j++)
            dp[j]=(dp[j]+dp[j-i])%mod;        
    
    cout<<dp[n];
    return 0;
}

补充： 这边可以压缩为一维数组的理由是，dp[j-i]在dp[j]之前已经算过了，所以dp[j]只需要调用上一层的dp[j]以及已经算过的dp[j-i]即可，不会出现覆盖的问题，所以也可以让j从小到大去遍历。同时，当i大于j，即不够装的情况下，删掉i的那一维后会出现恒等式，直接删除这个判断即可，此时让j直接从i开始遍历，否则会浪费一定的时间

关于0-1背包和完全背包在正序逆序的二层循环的问题，可以考虑参考Acwing网站上大佬总结的笔记，我截了张图（来自Acwing大佬：有心人，若有侵权，立刻删除）：