动态规划的解题步骤
- 确定dp数组(dp table)以及下标的含义
- 确定递推公式
- dp数组如何初始化
- 确定遍历顺序
- 举例推导dp数组
343. 整数拆分
这道题就有点难了。dp数组的含义由题意可以得到表示将下标 i 拆分为 k
个 正整数 的和 ,并使这些整数的乘积最大化后的值。
由于第一步拆分可以拆分成两个数字,例如3拆分成2,1,那么以此为基础,我们可以去讨论拆分出的数要不要继续拆分的问题,继续拆分的依据就是拆分后的乘积比不拆分时的大。那么问题来了,拆分后的乘积要拆分后才能得到,如何才能在拆分之前利用这个值进行比较?
继续用数字3的这个例子,现在我已经拆分成了1,2,此时1显然是不能拆分的,我们去考虑能不能拆分这个2,我们根据dp数组的含义,因为是从前到后顺序遍历(为什么?后面会解释),在遍历3之前肯定已经遍历过2了(这里只是提供一个思考方式,实际上数字2已经在初始化的时候赋值了,所以3可以直接使用dp[2],但是3之后数字的都是这个思考方式),所以我们可以利用dp[2]的值直接乘以数字1得到乘积。现在用结果来比较,不继续拆分的话结果是2,继续拆分的话结果是1,显然不继续拆分得到的结果更大,所以把这个更大的值保留,不需要继续拆分了,因为后面肯定是越拆分乘积越小的。
通过分析可以得到递推公式如下,其中因为dp[i]要保存的是所有结果的最大值,所以保留了上述的最大值之后,还要跟dp[i]的当前值进行最大值的比较。
dp[i] = max(dp[i],max(j * (i - j), j * dp[i - j]));
有了这个公式这道题差不多就写完了,因为要拆分为正整数并且要可拆分,所以数字0和1都是没有最大乘积的,但是数字2是可以确定最大乘积1的,并且后面拆分的时候有可能会用到dp[1],所以初始化如下。
dp[1] = 0;
dp[2] = 1;
因为每一个数字都需要用到前面的数字的dp数组的值,所以必须从前向后遍历。
以下是完整代码。
class Solution {
public:
int integerBreak(int n) {
int dp[n+1];
dp[1] = 0;
dp[2] = 1;
for (int i = 3; i < n+1; i++) {
dp[i] = 0;
for (int j = 1; j < i; j++) {
dp[i] = max(dp[i],max(j * (i - j), j * dp[i - j]));
}
}
return dp[n];
}
};
96.不同的二叉搜索树
这道题也有些难,第一次做根本想不到。首先强调一点,因为题目要求是二叉搜索树,所以在写代码的时候默认左子树的值都小于根节点,右子树的值都大于根节点。
dp数组的含义就是对应每一个 i 值所有的二叉搜索树的可能种数,i 值代表当前有 i 个节点,每个节点的值都是唯一的从1-n赋值的数。这就代表着节点的值等于节点在节点序列的位置,也就是说,假设当前的节点值为i,那节点之前一定有i - 1个节点并且值比 i 小,节点之后一定有n - i个节点并且值比i大。
通过以上分析,我们就可以把问题分解成分别解决左右子树有几种排列可能,再把所有可能相乘就是结果。利用上动态规划的思想,我们可以先确定子问题的值,即初始化。dp[0] = 1是因为没有节点的树也是一个特殊的二叉搜索树。
dp[0] = 1;
dp[1] = 1;
接下来只要每个节点分别讨论谁为根节点,然后把结果加给dp[i]就可以了,直接上代码。
class Solution {
public:
int numTrees(int n) {
int dp[n + 1];
dp[0] = 1;
dp[1] = 1;
for(int i = 2; i < n + 1; i++){
dp[i] = 0;
for(int j = 1; j <= i; j++){
dp[i] += dp[j - 1] * dp[i - j];
}
}
return dp[n];
}
};