题目
题解
1.动态规划
假设f(n)是长度为l的绳子的剪成若干段后的最大值,则第一刀有n-1种选择,第一刀长度有可能为i = 1,2,3……n-1,f(n) = max(f(i)f(n-i))。
这是一个自上而下的递归方式,容易产生很多的重复计算。如果能够初始化一个长度为l的数组来存储,长度为1,2……n的绳子的最大乘积,则可以避免重复计算。
儿对于长度为5的绳子来说,第一刀=1和第一刀=4的情况最大乘积是相同的,即:
14 = 4*1 = 4
所以在这个过程种为了避免重复计算,只需要计算第一刀长度在[1,n//2+1]即可涵盖所有乘积的情况。
def cut(l):
'''动态规划,时间复杂度O(n^2),空间复杂度O(n)'''
if l < 2:
return 0
if l == 2:
return 1
if l == 3:
return 2
p = [0,1,2,3]
# 长度为i的绳子的最优切分乘积
for i in range(4, l+1):
max_len = 0
# 每种切分计算乘积-->>求当前长度的最大值
for j in range(1, i//2+1):
if p[j] * p[i-j] > max_len:
max_len = p[j] * p[i-j]
p.append(max_len)
return p[-1]
2.贪婪算法
当绳子的长度n>=5时,2(n-2) > n 且 3(n-3) > n。
当绳子的长度n>=5时,3(n-3) > 2(n-2)。
意思就是,当绳子的长度大于等于5的时候,我们尽量把绳子剪成长度为3的绳子段。剩余不足3的部分,如果余数是2,则保留,如果余数是1,则应该与上一个长度为3的绳子凑成长度为4的绳子。
def cut_greedy(l):
'''贪婪算法:时间复杂度O(1)'''
if l < 2:
return 0
if l == 2:
return 1
if l == 3:
return 2
if l == 4:
return 4
res = 1
third = l // 3
sec = l - 3*third
if sec == 1:
third -= 1
sec += 3
res *= 3 ** third
res *= sec if sec != 0 else 1
return res