剑指offer14剪绳子（无数学推导） 顺便谈谈动态规划

《剑指offer》中，第14题，剪绳子是一个引子，引出了动态规划和贪婪算法。
“动态规划”一词显得十分高深，当时上学的时候就不是很理解。现在多多少少比当时有所进步，看了书之后，感觉理解比之前要深了，现在把这些理解分享出来。

首先不要怕，别管它为什么叫“动态规划”，你也不用想怎么才能动态，如何才能规划，这只是个名字而已，叫他什么都行。
书中讲了动态规划的四个特点，总结如下：
1：目的是求最优解
2：最优解依赖于子问题的最优解
3：大问题可以分解成小问题，这些小问题之间有重叠
4：从下往上求解

现在来一一解释一下，第一条，目的是求最优解，这种情况下，不只是让求解，而是让求问题的最优解。

第二条概括来说就是“千里之行始于足下”和“勿以善小而不为”，我们既然要实现大问题的最优解，那么我们一定要把眼前的事做好，每一步都走好，最终到达终点时我们才是以最优地方法到达。

第三条，前半句不说了，后半句是说，子问题之间会有重叠，因为问题分解小了，有些子问题是重复的，这样就不要重复计算了，所以一般动态规划都会有一个数组来保存子问题的最优解。

第四条，从下往上求解，如果理解了前三条，第四条就好理解了，因为最优解是依赖子问题的最优解的，所以一定要先从简单的问题开始解决。小问题解决了，大问题就迎刃而解了。

先看题，边看边说。

给你一根长度为 n 的绳子，请把绳子剪成整数长度的 m 段（m、n都是整数，n>1并且m>1），每段绳子的长度记为 k[0],k[1]…k[m-1] 。请问 k[0]k[1]…*k[m-1] 可能的最大乘积是多少？例如，当绳子的长度是8时，我们把它剪成长度分别为2、3、3的三段，此时得到的最大乘积是18。

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

提示：

2 <= n <= 58

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/jian-sheng-zi-lcof
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

按照上面的四个特点来跟题目对下，

第一条，最优解，题目也是要求乘积最大

第二条，大问题最优解取决于子问题，我们先切一刀，变成两根绳子了，那么乘积最大值是这两段各自的最大值之积，那么这两段绳子的最优解又依赖它们各自的子绳段。

第三条，各个小问题之间存在重叠，是不是这样的呢？可以想到，当我们的绳子切得足够段，一定会出现相同的情况，这些就是重叠的部分。

第四条，就是我们要看到的，我们必须从绳子长度为1 2 3 4开始推，因为长度为 5 6 7 8 9的最优解是依赖他们的。

我们首先要解决几个特殊解，长度为0，答案是0，长度为1，答案也是0，长度为2，答案为1，长度为3，答案为2。

先看代码再答疑。

class Solution {
public:
    int cuttingRope(int n) {
        if (n <= 0) return 0;
        if (n == 1) return 1;
        if (n == 2) return 1;
        if (n == 3) return 2;
        int max_table[n+1] ;
        max_table[0] = 0;
        max_table[1] = 1;
        max_table[2] = 2;
        max_table[3] = 3;
        for(int i = 4 ; i <= n ; i++){
            int max = 0;
            for(int j = 1; j <= i/2; j++){
                if(max_table[j]*max_table[i-j]>max)
                    max = max_table[j]*max_table[i-j];                    
                max_table[i] = max;
            }
        }
        return max_table[n];
    }
};

首先是几个特殊解。

接下来要建一个表格，用来保存子问题的最优解。

肯定有不少同学认为，前几个最优解就是我们开始给的特殊解，其实并非如此。

对于这点的解释，leetocode上的题解给了很多数学推导，但并没从实际问题上做出解释，数学是实际问题的抽象，如果数学推导的通，那么也应该可以给出合理的解释。

table:   i    0   1   2   3   4
       value  0   1   2   3   4

这里的 i 该如何理解，才能更好地解释这个问题呢，如果 i 代表绳子的长度，那么i = 4时，我们可以很好的理解，那么 i = 3的时候就不好理解了，长度为3，最优解应该是2呀，对不对。

其实，我们可以这样想，每一位上的数，并非说单单指长度为 i 时的结果，而是要表示当前绳子长度为 i 时，与另一端长度为 j 的绳子做乘积时，所能提供出来的最大值。当绳子本身已经是子绳段时，可以不切了（与特殊解不一致是因为绳子必须得切），把自己本身的长度直接给对方去乘，也就说， 其实 i 所对应的value 是

max(i, i 的子问题最优解)

以 3和5 为例

tabel[3] = max(3,table[1]*table[2]) = 3
table[5] = max(5,table[2]*table[3]) = 6

只不过，我们会发现，当 i 的数字越大时，子问题的乘积会远远大于本身。如果理解了这个表格的真正含义，那么这个问题就不在话下了。