LeetCode 343. 整数拆分(数学推理法（贪心），以及动态规划)

一.数学推理法 (贪心)

为了使几个数相加的和的乘积最大，‌应将这些数拆分成尽量多的3，‌如果不能全都是三，‌就拆出一两个2。‌

这个结论是基于对数字拆分问题的分析，‌其中关键在于如何有效地分配数字以最大化乘积。‌当我们将一个数拆分成若干个数之和时，‌如果限制必须拆成两个数，‌那么最理想的情况是这两个数尽可能接近，‌例如10可以拆成5和5，‌这样5乘以5得到的结果最大。‌然而，‌如果拆分的数量不受限制，‌那么拆分成尽量多的3是最优策略。‌这是因为3的乘积在所有数字相加的情况下是最大的。‌如果无法确保所有数都是3，‌那么拆出一个或两个2来配合3，‌可以进一步增加乘积。‌例如，‌6可以拆成3和3，‌7可以拆成3和2和2（‌如果允许的话）‌，‌这样拆分后的乘积会比其他拆分方式更大。‌

所以哈哈哈！这个其实也是贪心的思想，去拆分更多的3.

class Solution {
public:
    int integerBreak(int n) {
    //根据数学推理来算的话
    if(n < 3) return 1;
    if(n == 3) return 2;
    int k = n%3;//k是余数
    int m = n/3; //m是3的个数
    int result = 0;
    if(k == 1)
    {
        result = pow(3,m-1)*4;
    }
    if(k == 2)
    {
        result = pow(3,m)*k;
    }
    if(k == 0)
    {
        result = pow(3,m)*1;
    }
    return result;

    }
};

时间复杂度为：O(N)

空间复杂度：O(1) 

二.动态规划

还是要回归普遍思路哎 (这是官方题解的动态规划)

class Solution {
public:
    int integerBreak(int n) {
        vector<int> dp(n + 1);
        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];
    }
};

时间复杂度O(N^2)

空间复杂度O(N)