题目描述:
给定一个自然数 N,要求把 N 拆分成若干个正整数相加的形式,参与加法运算的数可以重复。
注意:
- 拆分方案不考虑顺序;
- 至少拆分成 2 个数的和。
求拆分的方案数 mod2147483648 的结果。
输入格式
一个自然数 N。
输出格式
输入一个整数,表示结果。
数据范围
1≤N≤4000
输入样例:
7
输出样例:
14
题目分析:
很明显是完全背包的模型 将最后要得到的数看作背包的体积 将凑出该数的每一个数看作物品的体积
因此问题转化成了 完全背包求填满背包的方案数
我们考虑先用朴素版的dp
dp[i][j] 表示用前i个物品恰好填满体积为j的背包 状态转移方程如下:
dp[i][j] = dp[i-1][j] + dp[i][j-i]
那么这个式子怎么来的呢?首先这是一个完全背包 所以同一个物品可以重复选择 所以可列出如下等式:dp[i][j] = dp[i-1][j] + dp[i-1][j-vi] + dp[i-1][j-2vi] + .... + dp[i-1][j-nvi]
其中 n*vi 小于 j
接下来简化这个式子 通过另一个等式:
dp[i][j-vi] = dp[i-1][j-vi] + dp[i-1][j-2vi] + ... + dp[i-1][j-nvi]
为什么这两个等式能列出来 请浅思考一下等式表达的含义即能理解
我们观察如下标红的两部分:
dp[i][j] = dp[i-1][j] + dp[i-1][j-vi] + dp[i-1][j-2vi] + .... + dp[i-1][j-nvi]
dp[i][j-vi] = dp[i-1][j-vi] + dp[i-1][j-2vi] + ... + dp[i-1][j-nvi]
可以发现他们是相等的 所以原式可以简化为 :dp[i][j] = dp[i-1][j] + dp[i][j-vi]
即为状态转移方程
完整代码如下 :
N = int(input())
dp = [[0 for i in range(N+1)]for j in range(N+1)]
dp[0][0] = 1
for i in range(1,N) :
for j in range(N+1) :
dp[i][j] = dp[i-1][j]
if j >= i : dp[i][j] += dp[i][j-i]
print(dp[N-1][N]%2147483648)
很遗憾 测试数据卡了空间 该代码只能过 8/10 个测试点 所以我们考虑优化掉一维空间
我们可以发现 无论是 dp[i-1][j] 还是 dp[i][j-vi] 相对于dp[i][j] 而言都是会被先计算的状态
而且 dp[i][j]也只与这两个状态相关 进一步观察可以发现 对于dp[i][j]而言 它用到的状态一定是本层i 的 j-vi 和上一层i-1 的 j 因此我们其实并不需要保存i这一维变量
因为dp[j-vi] 和 dp[j] 一定等于 p[i][j-vi] 和 dp[i-1][j] (这里请仔细思考清楚)
所以状态转移方程可以简化成 :dp[j] = dp[j] + dp[j-vi]
AC代码
N = int(input())
dp = [0 for i in range(N+1)]
dp[0] = 1
for i in range(1,N) :
for j in range(i,N+1) :
dp[j] += dp[j-i]
print(dp[N]%2147483648)
注意:i只能循环到N-1(题目要求 : 至少拆分成 2 个数的和。)