剑指offer.14-剪绳子

题目：给你一根长度为n的绳子，请把绳子剪成m段（m、n都是整数，n>1并且m>1），每段绳子的长度记为k[0]，k[1]，...，k[m-1]。请问k[0]*k[1].*..*k[m-1]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，此时得到的最大乘积是18。答案需要取模 1e9+7（1000000007），如计算初始结果为：1000000008，请返回 1。

本题两种解法的时间和空间复杂度。

	时间复杂度	空间复杂度
动态规划	O(n^2)	O(n)
贪心算法	O(1)	O(1)

动态规划解法

动态规划的思想：求一个问题的最优解，而且该问题能够分截成若干个子问题，并且子问题之间还有重叠的更小的子问题，就可以考虑使用动态规划解决。

本题动态规划中的等式推导：定义函数f(n)为把长度为n的绳子剪成若干段后各段长度乘积的最大值。在剪第一刀的时候，我们有n-1中可能的选择，也就是剪出来的第一段绳子的可能长度分别为1，2，...，n-1。因此，，其中0<i<n。

代码如下：

    public int maxProductAfterCutting(int length) {
        // 如果绳子长度小于4，直接返回对应结果
        if (length < 2) return 0;
        if (length == 2) return 1;
        if (length == 3) return 2;

        int[] arr = new int[length + 1]; // 最优解数组，并初始化已知的最优解
        arr[1] = 1;
        arr[2] = 2;
        arr[3] = 3;

        for (int i = 4; i <= length; i++) {
            int max = 0;
            for (int j = 1; j <= i / 2; j++)
                max = Math.max(max, (arr[j] * arr[i - j]) % 1000000007);
            arr[i] = max;
        }

        return arr[length];
    }

在阅读上面代码时可能出现疑惑的两处：

问题1.为什么给最优解数组赋初始值时arr[0]=0,arr[1]=1,arr[2]=2,arr[3]=3？比如arr[3]=3，不是在length=3时都返回的2吗？

答：两处的意思不是一致的。举个例子，长度为4的绳子a剪一刀变成了长度为1的绳子a1和长度为3的绳子a2，这时绳子a的乘积是a1和a2长度相乘。arr[3]=3代表的是绳子剪后的绳子最优解，即子问题的最优解（如绳子a2长度就是3）。

问题2.为什么内层循环条件是j<=i/2而不是j<=i？

答：依然用问题1中的例子，剪长度为4的绳子。第一刀可以剪1、2和3的长度，得到的结果分别是[1，3]、[2，2]和[3，1]，很明显[1，3]和[3，1]走的逻辑是一样的。

贪心算法解法

对于这题的贪心思想推导和证明我参考的是点这里。 

最终推导得到的结论就是：设绳子长度为n，当n>=5时，尽可能多剪长度为3的绳子；当剩下的绳子长度为4时，把绳子剪成两段长度为2的绳子。

贴上代码：

public int maxProductAfterCutting1(int length) {
    // 如果绳子长度小于4，直接返回对应结果
    if (length < 2) return 0;
    if (length == 2) return 1;
    if (length == 3) return 2;
    // 尽可能多剪长度为3的绳子
    int timesOfThree = length / 3;
    if (length - timesOfThree * 3 == 1) {
        timesOfThree--;
    }
    int timesOfTwo = (length - timesOfThree * 3) / 2;
    return (int) (Math.pow(3, timesOfThree) * Math.pow(2, timesOfTwo));
}

动态规划和贪心算法小结：

动态规划：从上往下分析问题，从下往上求解问题。从小问题到大问题，存储每一步的最优解。

贪心算法：每一步都做出最贪婪的选择，适合一些特定情况下的求解，往往需要数学证明其合理性。