前言
一般的问题转换并不是很巧秒,基本都是找到题目问题的特点,将其翻译成有规律的/更数学味的语言,从而用代码实现。除此之外,问题转换+前置+后置操作型属于经典算法考察方式了。
一、最大整除子集
二、动态规划
1、空间动态起来(耗内存)
public class LargestDivisibleSubset {
// 任意两个数都有整除关系,翻译过来就是这些数从小到大可形成倍数递推。(问题转换类型)
// 找特点 + 排序 + 动态规划 + 空间动态起来 || 根据maxSize & 整除关系倒推。
public List<Integer> largestDivisibleSubset(int[] nums) {
// 前置操作--排序,便于后面倍数递推。
Arrays.sort(nums);
int[] max = new int[]{0,1};// 记录最大值的idx,以及该类集合的size.
int[] f = new int[nums.length];// f[i] 表示前i个数能形成的最大倍数递推,面向前i个数组,区别于面向整个数组的完全背包问题。
List<List<Integer>> arr = new ArrayList<>();
for(int i = 0;i < nums.length;i++){
f[i] = 1;
// 不能new ArrayList<>(nums[i]),这不是传集合,是设定底层数组的大小。
arr.add(Arrays.asList(nums[i]));
for(int j = 0;j < i;j++){
if(nums[i] % nums[j] == 0) {
if(f[i] < f[j] + 1) {
List<Integer> el = new ArrayList<>(arr.get(j));
el.add(nums[i]);
arr.set(i,el);
f[i] = f[j] + 1;
}
}
}
if(f[i] > max[1]){
max[0] = i;
max[1] = f[i];
}
}
return arr.get(max[0]);
}
}
2、反向递推即可
// 动态空间太耗内存了,可以根据maxSize倒推。
class LargestDivisibleSubset2 {
// 找特点 + 排序 + 动态规划 + 空间动态起来 || 根据maxSize & 整除关系倒推。
public List<Integer> largestDivisibleSubset(int[] nums) {
Arrays.sort(nums);
int[] max = new int[]{0,1};
int[] f = new int[nums.length];
for(int i = 0;i < nums.length;i++){
f[i] = 1;
for(int j = 0;j < i;j++)
if(nums[i] % nums[j] == 0 && f[i] < f[j] + 1) f[i] = f[j] + 1;
if(f[i] > max[1]){
max[0] = i;
max[1] = f[i];
}
}
// 倒推。
List<Integer> rs = new ArrayList<>();
for(int i = nums.length - 1;i >= 0 && max[1] > 0;i--)
if(f[i] == max[1] && (rs.size() == 0 || rs.get(rs.size() - 1) % nums[i] == 0)) {
rs.add(nums[i]);
--max[1];
}
return rs;
}
}
总结
1)一般的问题转换并不是很巧,基本都是找到题目问题的特点,将其翻译成有规律的/更数学味的语言,从而用代码实现。
2)动态规划前,还加了排序前置操作,且还需要问题转换,复杂性和未知性叠加!类似前置动规 + 后置dfs寻找类型问题。
3)该类动规属于面向数组的前部分,而不是像完全背包一样,每次递归面向整个数组。
参考文献
[1] LeetCode 最大整除子集