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):