代码随想录算法训练营第四十三天|343. 整数拆分、96.不同的二叉搜索树

struggle with code

已于 2024-05-29 08:58:07 修改

阅读量1k

点赞数 38

文章标签：算法

于 2024-05-28 20:35:16 首次发布

本文链接：https://blog.csdn.net/qq_52149213/article/details/139275060

版权

343. 整数拆分

文档讲解：代码随想录

题目链接：. - 力扣（LeetCode）

只有数值近似相等，相乘之后，乘积才尽可能大

dp数组

一般来说，在确定dp数组的含义时，就看题目要求求什么，题目要求的是给定一个数的能够拆分的最大乘积

所以dp[i]表示对i进行拆分得到的最大的乘积

递推公式

可以想 dp[i]最大乘积是怎么得到的呢？

其实可以从1遍历j，然后有两种渠道得到dp[i].

一个是j * (i - j) 直接相乘。

一个是j * dp[i - j]，相当于是拆分(i - j)，对这个拆分不理解的话，可以回想dp数组的定义。

那有同学问了，j怎么就不拆分呢？

j是从1开始遍历，拆分j的情况，在遍历j的过程中其实都计算过了。那么从1遍历j，比较(i - j) * j和dp[i - j] * j 取最大的。递推公式：dp[i] = max(dp[i], max((i - j) * j, dp[i - j] * j));

也可以这么理解，j * (i - j) 是单纯的把整数拆分为两个数相乘，而j * dp[i - j]是拆分成两个以及两个以上的个数相乘。

如果定义dp[i - j] * dp[j] 也是默认将一个数强制拆成4份以及4份以上了。

所以递推公式：dp[i] = max({dp[i], (i - j) * j, dp[i - j] * j});

那么在取最大值的时候，为什么还要比较dp[i]呢？

因为在递推公式推导的过程中，每次计算dp[i]，取最大的而已。

dp数组如何初始化

dp[0]=dp[1]=0, dp[2]=1,dp[]=1

遍历顺序

i从3开始，j：(1,i-1)

class Solution:
    def integerBreak(self, n: int) -> int:
        # 创建一个长度为 n+1 的数组，用于存储每个数拆分后的最大乘积
        dp = [0]*(n+1)
        # 初始化：将 2 拆分为 1 * 1，最大乘积为 1
        dp[2] = 1
        # 从 3 开始遍历到 n
        for i in range(3, n+1):
            # 从 1 遍历到 i-1，因为至少要拆分为两个数
            for j in range(1, i-1):
                # 计算拆分成 j 和 (i-j) 两部分的乘积，并与当前的最大乘积进行比较
                # j*(i-j) 表示将 i 拆分为 j 和 (i-j) 两部分的乘积
                # j*dp[i-j] 表示拆分 (i-j) 后的最大乘积与 j 的乘积
                dp[i] = max(j*(i-j), dp[i], j*dp[i-j])
        # 返回 n 的最大乘积
        return dp[n]

96.不同的二叉搜索树

文档讲解：代码随想录

题目链接：. - 力扣（LeetCode）

关键分析：

n为1的时候有一棵树，n为2有两棵树，这个是很直观的。

来看看n为3的时候，有哪几种情况。

当1为头结点的时候，其右子树有两个节点，看这两个节点的布局，是不是和 n 为2的时候两棵树的布局是一样的啊！

（可能有同学问了，这布局不一样啊，节点数值都不一样。别忘了我们就是求不同树的数量，并不用把搜索树都列出来，所以不用关心其具体数值的差异）

当3为头结点的时候，其左子树有两个节点，看这两个节点的布局，是不是和n为2的时候两棵树的布局也是一样的啊！

当2为头结点的时候，其左右子树都只有一个节点，布局是不是和n为1的时候只有一棵树的布局也是一样的啊！

发现到这里，其实我们就找到了重叠子问题了，其实也就是发现可以通过dp[1] 和 dp[2] 来推导出来dp[3]的某种方式。

思考到这里，这道题目就有眉目了。

dp[3]，就是元素1为头结点搜索树的数量 + 元素2为头结点搜索树的数量 + 元素3为头结点搜索树的数量

元素1为头结点搜索树的数量 = 右子树有2个元素的搜索树数量 * 左子树有0个元素的搜索树数量

元素2为头结点搜索树的数量 = 右子树有1个元素的搜索树数量 * 左子树有1个元素的搜索树数量

元素3为头结点搜索树的数量 = 右子树有0个元素的搜索树数量 * 左子树有2个元素的搜索树数量

有2个元素的搜索树数量就是dp[2]。

有1个元素的搜索树数量就是dp[1]。

有0个元素的搜索树数量就是dp[0]。

所以dp[3] = dp[2] * dp[0] + dp[1] * dp[1] + dp[0] * dp[2]

如图所示：

此时我们已经找到递推关系了

关键：如果节点个数相同，那么组成的树的布局也是相同的，因为都是二叉搜索树

dp数组

一般来说，在确定dp数组的含义时，就看题目要求求什么，题目要求的是给定一个整数n能够组成的二叉搜索树的种类数

所以dp[i]表示节点数为i能够组成的二叉搜索树的种类数

递推公式

如果要求i的组成的二叉搜索树的种类数

如果头节点为j，则该二叉搜索树的左子树节点个数为j-1个，右子树有i-j个节点

以j为根节点的二叉搜索树： dp[j-1] *dp[i-j]

j从0遍历到i： $dp[i] = \sum_{j=1}^{j=i} dp[j-1] dp[i-j]$

dp数组如何初始化

dp[0]

遍历顺序

i从1开始

j从1开始直到i

class Solution:
    def numTrees(self, n: int) -> int:
        dp = [0]*(n+1) #不可以初始化为1，因为后面要累加不同的头节点情况
        dp[0]=1
        for i in range(1,n+1): #计算dp[i]
            for j in range(1,i+1):#以不同的j为头节点，j从0到i
                dp[i] += dp[j-1] * dp[i-j] #递推公式

        return dp[n]