May——剑指 Offer 14- I. 剪绳子I，II

class Solution:
    def cuttingRope(self, n: int) -> int:
        #尽可能多的3组成，3越大积越大
        if n<3: return 1 
        if n==3: return 2 
        res = 1 
        while n>4: 
            n-=3 
            res*=3 
        return res*n 



        #初始化dp[0],dp[1]都是1
        #表示初始化
        #dp[i]表示已经求解出的子问题的最优解，即长度为i的绳子剪成若干段后的最大乘积。
        #假设分出绳子一段为j,剩余的长度是i-j；分出绳子一段为j，剩余的长度划分最优解为dp[i-j]
        #取两个值的最大即可
        dp = [1]*(n+1) 
        for i in range(2,n+1): 
            for j in range(i): 
                dp[i] = max(dp[i],j*max(i-j,dp[i-j])) 
        return  dp[n]

 题目分析：

• 数学原理
  • 从数学推论的角度来解释，任何一个大于2的数字，都可以由2和3组成
  • 3越多最终的乘积是越大的，因此想拆一个数字或者减去一段绳子必须让3出现的越多越好
  • 因此就有了第一种解法
• 动态规划
  • 动态规划的核心思想是将复杂庞大的问题拆分成小的子问题去解决
  • dp[i]表示将i长的绳子拆分后得到最大乘积
  • 边界：dp[2]=1
  • 转移方程：dp[i] = max(dp[i],j*max(i-j,dp[i-j])) 
    • 比如5，拆分成两部分
    • 拆分：{1，4}，{2，3}
    • dp[5}和1*4、1*dp[4]、2*3、2*dp[3]进行比较
    • j就是要划分最左边的长度，右边的长度要么直接不划分，要么进行划分，然后再比较大小。

class Solution:
    def cuttingRope(self, n: int) -> int:
        if n==1 or n==0:
            return 0
        if n==2:
            return 1
        if n==3:
            return 2
        res = 1
        while n>4:
            res*=3
            res = res%(1e9+7)
            n-=3
        
        return int(res*n%(1e9+7))

题目分析：

• 和上一个题目的差别就是要取于，这样动态规划的方程就失效了
• 因此需要利用迭代法去解决这个问题，并且再每一步迭代中都需要取余