python 动态规划实现整数拆分

我们先来看这样一个问题：
把5拆分成若干无序正整数的和（若干可以包含1），请问有多少种拆分方法？

直接用枚举法实现：
5 = 5
5 = 4+1
5 = 3+2
5 = 3+1+1
5 = 2+2+1
5 = 2+1+1+1
5 = 1+1+1+1+1
很显然，结果为7。注意这里5 = 4+1和5=1+4是相同的，只计算为一种方法。（如果计算为两种，那么属于有序拆分，实现起来较为容易，用排列组合中的插板法即可）
可以发现当待拆分数很小时，比较容易枚举出答案。
但是若要将10进行拆分，结果有42种；若要将20进行拆分，结果有627种；若要将30进行拆分，结果有5604种；若要将40进行拆分，结果有37338种···难度直线上升

网上搜索发现有很多种方法来解决这类问题，如递归，动态规划，母函数法，五边形法等等，本文只挑选较为容易理解的前两种来进行讨论。

一、递归法
用F（n）表示将n拆分的种数，如F（1）=1，F（2）=2，F（3）=3，F（4）=5，F（5）=7···F（10）=42···
用f(n,m)表示将n进行拆分，其中的最大拆分数不超过m，如
f(4,4) = F(4)
f(4,3) = 4 分别是(3+1),(2+2),(2+1+1),(1+1+1+1),但不包含(4)
f(5,2) = 3 分别是(2+2+1),(2+1+1+1),(1+1+1+1+1)
讨论f(n,m)函数的性质（摘录自百度百科）：
（1）当n=1时，不论m的值为多少（m>0），只有一种划分；
（2）当m=1时，不论n的值为多少（n>0），只有一种划分;
（3）当n=m时，根据划分中是否包含n，可以分为两种情况：
（a）划分中包含n的情况，只有一个，即(n)；
（b）划分中不包含n的情况，这时划分中最大的数字也一定比n小，即n的所有（n-1）划分；因此，f(n,n) = 1 + f(n, n - 1);
（4）当n<m时，由于划分中不可能出现负数，因此就相当于f(n,n)；
（5）当n>m时，根据划分中是否包含m，可以分为两种情况：
（a）划分中包含m的情况，即{m,{x1,x2,x3,…,xi}}，其中{x1,x2,x3,…,xi}的和为n-m，可能再次出现m，因此是（n-m）的m划分，因此这种划分个数为f(n-m,m)；
（b）划分中不包含m的情况，则划分中所有值都比m小，即n的（m-1）划分，个数为f(n,m-1)。因此，f(n,m)=f(n-m,m)+f(n,m-1) 。
综上

def GetPartitionCount(n,m):     #递归算法
    if n == 1 or m == 1:
        return 1
    elif n < m:
        return GetPartitionCount(n,n)
    elif n == m:
        return 1 + GetPartitionCount(n,n-1)
    else:
        return GetPartitionCount(n-m,m) + GetPartitionCount(n,m-1)

该算法的优点是代码简单明了，但是时间复杂度为O(2^n),计算F（100）需要几分钟！

二、动态规划
动态规划的算法是基于递归算法的，但是不需要遍历整个二叉树，时间复杂度为O(n^2)。
先上代码，再根据代码进行解释。

def GPC3(n):
    if n < 0:
        return 0
    dp = [1] + [0]*n   
    for num in range(1,n+1):
        for i in range(num,n+1):
            dp[i] += dp[i-num]
    return dp[-1]      

还是以F(5)为例，生成的dp列表如下

其中的数据对应每一个函数值，如下

动态规划其实比较难理解，欢迎与笔者讨论，若有更加浅显的解释请务必推荐一下！
转载请注明出处，谢谢！