剑指offer刷题记录11--剪绳子（动态规划，贪心算法）

该系列博客内容主要是《剑指Offer》中的经典题目，结合在刷题过程中见到的一些精彩的解题过程，从而在这里记录下来。代码以Python3实现。真的是搞算法搞得头秃，在这里卡了比较久的时间，尽我可能的去写好这篇博客。

解法1 贪心思路求解
什么是贪心算法呢？
贪婪算法的 Wikipedia 定义：是一种在每一步选中都采取在当前状态下最好或最优的选择，从而希望导致结果是最好或最优的算法。
优点：对于一些问题，非常直观有效。
缺点：并不是所有问题都能用它去解决，此外，得到的结果并不一定不是正确的，因为这种算法容易过早地做出决定，从而没有办法达到最优解。

下面通过例题来加深对贪婪算法的认识。例题：0-1 背包问题，能不能运用贪婪算法去解决。
有三种策略：
1、选取价值最大的物品
2、选择重量最轻的物品
3、选取价值/重量比值最大的物品

策略 1：每次尽可能选择价值最大的，行不通。举例说明如下。
物品有：A B C
重量分别是：25, 10, 10
价值分别是：100，80，80
根据策略，首先选取物品 A，接下来就不能再去选其他物品，但是，如果选取 B 和 C，结果会更好。

策略 2：每次尽可能选择轻的物品，行不通。举例说明如下。
物品有：A B C
重量分别为：25, 10, 10
价值分别为：100, 5, 5
根据策略，首先选取物品 B 和 C，接下来就不能选 A，但是，如果选 A，价值更大。

策略 3：每次尽可能选价值/重量比最大的，行不通。举例说明如下。
物品有：A B C
重量是：25, 10, 10
价值是：25, 10, 10
根据策略，三种物品的价值/重量比都是一样，如果选 A，答案不对，应该选 B 和 C。

由上，贪婪算法总是做出在当前看来是最好的选择。即，它不从整体的角度去考虑，仅仅对局部的最优解感兴趣。因此，只有当那些局部最优策略能产生全局最优策略的时候，才能用贪婪算法。

回过头来看这道题，若我们每次在剪绳子的时候都选择当前最优，那我们就应该考虑，每次动剪刀的时候保证当前乘积最大。






这种解法很需要数学功底进行推导！

解法2：暴力递归


解法3：动态递归（自底向上）
代码如下

复杂度分析
时间复杂度：O(N^2)。
空间复杂度：O(N)。

参考链接1
参考链接2