使用切绳子问题详解分治法、动态规划法和贪婪算法

本文链接：https://blog.csdn.net/qq_41131223/article/details/109275912

本文探讨了如何运用分治法、动态规划和贪婪算法解决经典的切绳子问题。通过实例代码解析，阐述了不同算法的思想及其在问题求解中的应用，旨在帮助读者理解算法的精髓。欢迎交流指正。

摘要由CSDN通过智能技术生成

不多bb，直接上代码

/*
 *1. 以剑指Offer的切绳子问题为例，演示回溯法、动态规划法、贪婪算法的基本思想，以及它们之间的区别
 */
public class Algorithms {
   
    public static void main(String[] args) {
   
        int lengthOfScope = 13;
        System.out.println("dynamicProgramingAlgorithm：" + dynamicProgramingAlgorithm(lengthOfScope));
        System.out.println("divideAndConquerAlgorithm：" + divideAndConquerAlgorithm(lengthOfScope));
        System.out.println("greedyAlgorithm：" + greedyAlgorithm(lengthOfScope));
    }

    /*
     *动态规划算法的四个特征
     * 1. 用于求问题的最优解（最大值/最小值）
     * 2. 整体问题的最优解依赖于各子问题的最优解
     * 3. 原问题分解得到的若干子问题，子问题继续分解得到更小的子问题，这些小问题之间有重叠的问题（重叠问题越多，动态规划算法相对于分治法的效率越高）
     * 4. 从上往下分析问题，从下往上解决问题
     */
    /*
     *动态规划法解决切绳子问题（常规思路）
     * 1. 使用数组arr保存子问题1、2、3...的结果，数组长度为问题个数（包括原问题）
     * 2. 计算顺序从下往上，即先根据arr[0]计算arr[1]，再根据arr[1]计算arr[2]，依此类推，直到arr[length-1]
     * 3. 返回arr[length-1]，既为原问题求解结果
     * 4. arr[0]为基本问题，不可再分，可以通过分析得到
     * 5. 动态规划法解决切绳子问题的时间复杂度为O(n^2)
     */
    public static int dynamicProgramingAlgorithm(int length){
   
        //绳子长度为0、1、2、3时，由于规定必须切一刀，按特殊情况处理
        if(length <= 1){
   
            return 0;
        }else if(length ==