题目描述:
给定一个正整数
n
,将其拆分为至少两个正整数的和,并使这些整数的乘积最大化。 返回你可以获得的最大乘积。
示例 1:
输入:2
输出:1
解释:2 = 1 + 1, 1 × 1 = 1
。
示例 2:
输入:10
输出:36
解释:10 = 3 + 3 + 4, 3 × 3 × 4 = 36
。
说明: 你可以假设n
不小于2
且不大于58
。
思路:
1. 暴力搜索
对于给定的一个整数n
,穷举它的每一种分解情况,然后对所有情况,求最大值。
并且我们知道,n
可以拆成如下情况:
通过上图,我们很容易得到一个递归表达式:
F(n) = max {i * F(n - i)},i = 1,2,...,n - 1
自然,就不难得到如下代码:
// 暴力解法
public int integerBreak(int n) {
if (n == 2) {
return 1;
}
int res = -1;
for (int i = 1; i <= n - 1; i++) {
res = Math.max(res, Math.max(i * (n - i), i * integerBreak1(n - i)));
}
return res;
}
2. 记忆化搜索
对于暴力搜索,通过图1不难得出该方法的时间复杂度为指数级别,显然不能满足题目要求。那么如此耗时的原因也是因为在递归的过程中计算了很多重复值。例如,图1中F(n-2)
和F(n-3)
至少重复计算了两次,并且在后面会有更多次重复运算,并且我们知道,其实只需要求F(1)
,F(2)
,…,一直到F(n)
,如果我们每次求完一个F(i)
,都将其保存起来,下次再要求的时候直接读取就行了。既然有这个想法,那么相应的代码应该也不难实现,我们只要用一个数组存放每次的F(i)
,具体实现如下:
// 记忆化搜索-自顶向下
int[] memory;
public int integerBreak(int n) {
memory = new int[n + 1];
return integerBreakHelper(n);
}
public int integerBreakHelper(int n) {
if (n == 2) {
return 1;
}
if (memory[n] != 0) {
return memory[n];
}
int res = -1;
for (int i = 1; i <= n - 1; i++) {
res = Math.max(res, Math.max(i * integerBreakHelper(n - i), i * (n - i)));
}
memory[n] = res;
return res;
}
3. 动态规划
其实,方法2已经满足的题目的要求。但是我们还能这样进一步考虑,将递归
转化为递推
,从自顶向下
的思路转换为自底向上
,这也是记忆化搜索和DP之间最大的区别所在。
代码如下:
// 动态规划
public int integerBreak3(int n) {
memory[2] = 1;
for (int i = 3; i <= n; i++) {
for ( int j = 1; j <= i - 1; j++) {
memory[i] = Math.max(memory[i], Math.max(j * memory[i - j], j * (i - j)));
}
}
return memory[n];
}