题目描述
将一个正整数 n 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。
n 不小于 2 且不大于 58。
思路
参考:https://leetcode-cn.com/problems/integer-break/solution/shuang-jie-fa-dong-tai-gui-hua-tan-xin-fa-fu-zhao-/
动态规划
状态数组 dp[i] 表示:将数字 i 拆分为至少两个正整数的和,这些整数的最大乘积。
dp[] 长度为 n + 1,因为数组的索引是从 0 开始,但是数字 0 不存在,dp[0]占一个位置,实际没有意义。初始值是从 1 开始,dp[1] = 1。
外层循环从 2开始遍历一直到 n 停止。内层循环 j 从 1 开始遍历,一直到 i 之前停止,它代表着数字 i 可以拆分成 j + (i - j)。但j * (i - j)
不一定是最大乘积,因为 i - j
不一定大于 dp[i - j]
(数字i - j
拆分成整数之和的最大乘积),这里要选择最大的值作为 dp[i] 的结果。
转移方程:dp[i] = max(dp[i], max(j * dp[i - j], j * (j - i)))
右边的:
- dp[i] : 分解 i
- dp[i - j]:继续分解(i - j)
- max(j * dp[i - j], j * (j - i)):比较dp[i - j] 与 [j - i],如果[j - i] > dp[j - i],则不用再分解(i - j)
- max(dp[i], max(j * dp[i - j], j * (j - i))):比较 dp[i] 与后者,如果dp[i] > max(j * dp[i - j], j * (j - i)),
推导过程
先研究递归结构,发现有大量重叠子问题,再实现“记忆化搜索”,最后实现使用“动态规划”。即先“自顶向下”思考,再“自底向上”实现。
参考:https://leetcode-cn.com/problems/integer-break/solution/bao-li-sou-suo-ji-yi-hua-sou-suo-dong-tai-gui-hua-/
1. 暴力搜索
对于给定的一个整数 n,穷举它的每一种分解情况,然后会对所有情况,求最大值。
n 可以拆成如下情况:
通过上图,可以得到一个递归表达式:
F(n) = max{i * F(n - i)}, i = 1, 2, ..., n - 1
上述表达式是表明 n - i 需要继续分解的情况,但如果 n - i 比 F(n - i) 要大,显然就不用再继续分解了。故我们还需要比较 i * (n - i) 与 i * F(n - i) 的大小关系。所以完整的表达式应该为:
F(n) = max{i * F(n - i), i * (n - i)}, i = 1, 2, ..., n - 1
这题还可以这样想,对于给定的数 n, F(n) 表示将 n 分解成多个(≥2)整数的最大乘积,那么有以下几种情况:
- 将 n 分解成两个数:
F(n) = i * (n - i),(i = 1, 2, ..., n - 1)
- 将 n 分解成两个以上的数:
也就是说我们要对 i 和 i - 1 进一步分解,那么就有三种情况(继续分解其中一个或两个都继续分解),将 i 和 n - i 进一步分解的最大乘积分别记为 F(i) 和 F(n - i),那么有:
但是,我们观察上面的表达式,不难发现,当 i 取遍 [1, n - 1]时,由于 i 和 n - i 的取值对称,i * F(n - i) 和 F(i) * (n - i) 的取值集合是一样的,也就是说这两种情况算出来的结果是一样的,所以只取其中一种就可以了。对于F(i) * F(n - i) ,其实这种情况也是不用考虑的,因为 i * F(n - i) 和 i * (n - i)已经包含了所有的分解情况了。那么整个表达式就为:
F(n) = max{i * (n - i), i * F(n - i)}, ),(i = 1, 2, ..., n - 1)
2. 记忆化搜索(备忘录)
暴力搜索非常耗时是因为在递归过程中计算了很多重复值。
如果我们每次求完一个 F(i),都将其保存起来,下次再求的时候直接读取保存的值就行了,这显然会节省大量时间。
用一个数组memory存放每次的 F(i),称为备忘录数组
记忆化搜索:将目标 F(n) 不断转化为求F(n - 1),F(n - 2),…,F(2),F(1),过程中将计算过的值存起来,从上面的递归树中可以看出来这是一个从上到下的过程,一般称之为自顶向下。
代码是递归
3. 动态规划
将自顶向下的思路转换为 自底向上,就可以将递归代码转化为递推
最终代码![在这里插入图片描述](https://img-blog.csdnimg.cn/20200618143619594.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzUyNTcxMA==,size_16,color_FFFFFF,t_70)
时间复杂度: O(N^2),两层 for 循环
空间复杂度: O(N)。
注意
- 新建 int数组,int[] dp = new int[n],数组每个位置的默认值为0
- 2层循环,内循环即 j 循环时,i 是固定的,每层内循环的第一次循环,右边的
dp[i] (i≥2) 为默认值 0,然后每次内循环更新一次,取当前次 j 中的最大值,内循环结束后,此次 i 的最大乘积 dp[i] 已经算出来并存入数组,然后i++,继续内循环…以此类推直到 i = n,就可以求出dp[n]