LeetCode-343. 整数拆分【动态规划、数学】

LeetCode-343. 整数拆分【动态规划、数学】

题目链接

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。
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/integer-break
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。

一开始可以先找规律,试着找出2、3、4、5、6的整数拆分的积。

2 = 1x1 = 1
3 = 2x1 = 2
4 = 2x2 = 4
5 = 2x3 = 6
6 = 3x3 = 9

可以发现规律,拆分后的数中,
大于4,它都会产生增益;
等于4,不增不减;
小于4,再拆会造成减益,

因此不拆2和3。对于1,不但不产生增益,还会消耗一个1。为了不产生1,不但要掐头,还要去尾,因此也不能拆出n-1。

1. 动态规划解法O(n^2)

而且我们还发现,找规律的过程中,每一个确定的数的整数拆分积的最大值已经被确定,一个数k可能被拆分为m + n,且mn的最大拆分积已经在之前求出来过,只要相乘就能算出来,这相当于子问题,因此很容易想到动态规划。

设dp[n]为整数n的最大整数拆分积,假设能拆出来一个i和j,若i,j小于4,则不拆,若大于四就求拆的积:

class Solution {
public:
    int integerBreak(int n) {
        int dp[60];
        memset(dp, 0, sizeof(dp));
        dp[2] = 1;
        dp[3] = 2;
        for (int i=4; i<=n; ++i) {
            for (int j=2; j<=n-2; ++j) {
            	// 	把i拆成j和i-j,不拆1和n-1
                int a = j > 3 ? dp[j] : j;
                int b = i-j > 3 ? dp[i-j] : i-j;
                dp[i] = max(dp[i], a*b);
            }
        }
        return dp[n];
    }
};

2. 动态规划解法优化O(n)

我们反向思考,说白了,4及以上的数都可以提供增益,也就是说,只要大于4,它们都可以被拆成两个数,因此,在整数拆分的最终结果中,是不需要出现4及以上的数的,只需要2和3就够了,当然,1是一个废物数字,更不需要。

class Solution {
public:
    int integerBreak(int n) {
        int dp[60];
        memset(dp, 0, sizeof(dp));
        dp[2] = 1;
        dp[3] = 2;
        for (int i=4; i<=n; ++i) {
            for (int j=2; j<=3; ++j) {
            	// 	把i拆成j和i-j,不拆1和n-1
                int a = i-j > 3 ? dp[i-j] : i-j;
                dp[i] = max(dp[i], j*a);
            }
        }
        return dp[n];
    }
};

上面的解释不好,重说

所以我们定义dp[i]表示,数字i的最大整数拆分积,那么一个数只能被拆出3 and 2,所以:

如果i被拆成2i-2 或者 如果i被拆成3i-3
d p [ i ] = m a x ( d p [ i − 2 ] ∗ 2 , d p [ i − 3 ] ∗ 3 ) dp[i] = max(dp[i-2]*2, dp[i-3]*3) dp[i]=max(dp[i2]2,dp[i3]3)
但是如果i-2i-3小于等于4时,不应该被拆分,应该使用它本身,因为dp数组的定义是数字i的最大整数差分数的积。
d p [ i ] = m a x ( ( i − 2 ) ∗ 2 , ( i − 3 ) ∗ 3 ) dp[i] = max((i-2)*2, (i-3)*3) dp[i]=max((i2)2,(i3)3)

class Solution {
public:
    int integerBreak(int n) {
        int a[60];
        memset(a, 0 ,sizeof(a));
        a[2] = 1;
        a[3] = 2;
        for (int i=4; i<=n; ++i) {
            if (i - 3 < 4) {
                a[i] = max((i-2)*2, (i-3)*3);
                continue;
            }
            a[i] = max(a[i-2]*2, a[i-3]*3);
        }
        return a[n];
    }
};

或者更加简洁一点,可以这样写,先用23代替a[2]a[3]的值,最后再替换回去。

class Solution {
public:
    int integerBreak(int n) {
        int a[60];
        memset(a, 0 ,sizeof(a));
        a[1] = 1;
        a[2] = 2;
        a[3] = 3;
        for (int i=4; i<=n; ++i) {
            a[i] = max(a[i-2]*2, a[i-3]*3);
        }
        a[2] = 1;
        a[3] = 2;
        return a[n];
    }
};

3. 数学法O(1)

我们通过上面的推导可以得出,最终的拆分结果只有2和3,但是如果存在2个2,那么就可以凑出4,是无增益的,若3个2,则可以凑出6,可以提供增益,因此我们最终的结果一定不能出现两个以上的2,否则说明,还能继续拆。

因此得出结论,拆分的最终结果最多只能有两个2。

我们用n mod 3

n mod 3 == 0:
	把所有的3累乘
n mod 3 == 1:
	把其中一个3拆成21,把11组成2
n mod 3 == 2:
	一个2和一堆3

class Solution {
public:
    int integerBreak(int n) {
        if (n < 4) return n-1; 
        if (n % 3 == 0) {
            return pow(3, n / 3);
        } else if (n % 3 == 1) {
            return 4 * pow(3, (n-4) / 3);
        } else {
            return 2 * pow(3, (n-2) / 3);
        }
    }
};
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法。 LeetCode动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值