动态规划法:
* 动态规划求解问题的四个特征:
①求一个问题的最优解;
②整体的问题的最优解是依赖于各个子问题的最优解;
③小问题之间还有相互重叠的更小的子问题;
④从上往下分析问题,从下往上求解问题;
1. 剪绳子(剑指offer 14 or leetcode 343 整数拆分)
题目: 给你一根长度为n绳子,请把绳子剪成m段(m、n都是整数,n>1并且m>1)。每段的绳子的长度记为k[0]、k[1]、……、k[m]。k[0] * k[1]*…*k[m]可能的最大乘积是多少?例如当绳子的长度是8时,我们把它剪成长度分别为2、3、3的三段,此时得到最大的乘积18。
给定一个正整数 n,将其拆分为至少两个正整数的和,并使这些整数的乘积最大化。 返回你可以获得的最大乘积。
1.动态规划
解题思路:
- 当n小于等于3时,n为1乘积为0,n为2 (1乘以1)乘积为1,n为3(1乘以2)乘积为2。
- 当n大于3时,初始化动态规划的初始条件,n为1 2 3 时不切割的值最大,故dp[0] dp[1] dp[2] dp[3]做为初始条件。
- 循环,从下往上求解问题,从n=4开始,每次将n拆分为两部分的乘积,从1到n/2即可,之后的情况均已经计算过,当值大于max时,更新max,内循环结束 dp[n]的值就等于max。
- 最终返回dp[n]即为最终的结果。
class Solution {
public:
int integerBreak(int n) {
if(n<2)
return 0;
if(n==2)
return 1;
if(n==3)
return 2;
vector<int> dp(n+1);
dp[0]=0;
dp[1]=1;
dp[2]=2;
dp[3]=3;
int max;
for(int len=4;len<=n;len++)
{
max=0;
for(int i=1;i<=len/2;i++)
{
int tmp=dp[i]*dp[len-i];
if(tmp>max)
max=tmp;
}
dp[len]=max;
}
return dp[n];
}
};
2.贪心算法
解题思路:
- n小于等于3时,情况类似。
- 当n>=5时,尽可能多的拆分为3,当最后剩下长度为1时,退一步得4,拆分为2乘以2。 当最后剩下为2时,乘以最后的2即可。
证明:(3(n-3)>=2(n-2)>n) 故应该尽可能多的拆分为3 - 当n=4时,拆分为3和1,退一步,拆分为2乘以2.
class Solution {
public:
int integerBreak(int n) {
if(n<2)
return 0;
if(n==2)
return 1;
if(n==3)
return 2;
int times_3=n/3;
if(n-times_3*3==1)
times_3--;
int times_2=(n-times_3*3)/2;
return (int)(pow(3,times_3))*(int)(pow(2,times_2));
}
};
2. 连续子数组的最大和
题目描述:
输入一个整数数组,数组里有正数也有负数。数组中的一个或多个连续整数组成一个子数组。求所有子数组的和的最大值,时间复杂度O(n)。
解题思路:
- 每一个状态的最优解都依赖于子问题的解,采用动态规划求解。
- 动态规划公式如下:当该元素之前的最大和小于0,包含该元素的最大和为该元素值,否则,加上之前的最大和。
- 需要一个最大值中间量记录每次的最大值,防止出现最后几个元素均为负值但和大于0的情况。
class Solution {
public:
int FindGreatestSumOfSubArray(vector<int> array) {
if(array.size()==0)
return 0;
int n=array.size();
vector<int> dp(n+1);
dp[0]=0;
int max=array[0];
for(int i=0;i<n;i++)
{
if(dp[i]>0)
{
dp[i+1]=dp[i]+array[i];
}
else
{
dp[i+1]=array[i];
}
if(dp[i+1]>max)
max=dp[i+1];
}
return max;
}
};
3. 单词拆分
解法一:回溯法(记忆化存储) 时间复杂度O(n^2) 空间复杂度O(n)
- 若index到达字符串结尾,表示前面位置的字符串可以拆分为在字典中的字符串组合,返回true。
- 若下次搜索到index位置为-1,直接返回false(记忆化存储,剪枝,降低时间复杂度)。
- 从字符串s的起始位置出发,搜索当前位置index开始的字符串是否出现在字典中,当遍历到end位置,发现substr(index,end-index)在字典中,则返回true,继续从end+1的位置重复上述操作;否则,将当前位置index的flag置-1,表示当前位置开始无法在字典中找到对应字符串(记忆化),返回false。
class Solution {
public:
bool word_break_memory(string s,vector<string>& wordDict,int index,vector<int>& flag)
{
if(index>=s.size()) return true; //遍历到字符串结尾,表示之前位置均可拆分为字典中元素,返回true
if(flag[index]==-1) return false; //记忆化存储,看到-1表示当前位置不满足条件,剪枝
for(int end=index+1;end<=s.size();end++){
if(count(wordDict.begin(),wordDict.end(),s.substr(index,end-index))//index到end位置的字符串在字典中
&& word_break_memory(s,wordDict,end,flag) ) //继续从end到字符串末尾递归调用
return true; //若index到s.size()位置均可以拆分为字典中的元素,则返回true
}
flag[index]=-1; //若index位置开始不能全部拆分为字典中的元素,返回false并置当前位置为-1
return false;
}
bool wordBreak(string s, vector<string>& wordDict) {
if(s.size()==0 || wordDict.size()==0) return false;
int n=s.size();
vector<int> flag(n,0);
return word_break_memory(s,wordDict,0,flag); //递归调用
}
};
解法二:动态规划 时间复杂度O(n^2) 空间复杂度O(n)
- 建立dp数组,dp[i]表示从0到第i个位置的所有单词均可以拆分为字典中存在的元素。初始化dp[0]为1,因为空字符串包含在字典中。
- 遍历字符串,当j到i的字符串存在在字典中且dp[j]=1,表示i之前的字符串均可拆分,故dp[i]=1,break。
- 最终返回dp[n]即可知道0到n位置的字符串,也就是整个字符串是否可拆分为字典中的元素组合。
class Solution {
public:
bool wordBreak(string s, vector<string>& wordDict) {
if(s.size()==0 || wordDict.size()==0) return false;
int n=s.size();
vector<int> dp(n+1);
dp[0]=1;
for(int i=1;i<=n;i++){
for(int j=0;j<i;j++){
if(find(wordDict.begin(),wordDict.end(),s.substr(j,i-j))!=wordDict.end() && dp[j] ){
dp[i]=1;
break;
}
}
}
return dp[n]==1? true : false;
}
};