【算法】【动态规划篇】第5节：剪绳子问题

本期任务：介绍算法中关于动态规划思想的几个经典问题

【算法】【动态规划篇】第1节：0-1背包问题

【算法】【动态规划篇】第2节：数字矩阵问题

【算法】【动态规划篇】第3节：数字三角形问题

【算法】【动态规划篇】第4节：硬币找零问题

【算法】【动态规划篇】第5节：剪绳子问题

【算法】【动态规划篇】第6节：最低票价问题

【算法】【动态规划篇】第7节：最长子串问题

【算法】【动态规划篇】第8节：最大正方形问题

【算法】【动态规划篇】第9节：乘积最大子数组问题

【算法】【动态规划篇】第10节：最长连续序列问题

---

一、问题描述

"""
    剪绳子问题
        给你一根长度为N的绳子，请把绳子剪成M段（m,n都是整数），每段绳子的
        长度记为k[0],k[1],k[2]…. 请问如何剪绳子使得k[0],k[1],k[2]
        的乘积最大
        例如 绳子长度8 最大乘积18 = 2*3*3

        输入：n=8
        输出：18

    """

二、算法思路

本题的解法与硬币找零问题大同小异，可以阅读【算法】【动态规划篇】第4节：硬币找零问题，加深对此类问题的理解。

1. 策略选择

一个模型：

• 剪绳子问题是典型的“多阶段决策求最优解”问题，每一次决策有最多有n种选择，直到目标值n为0时结束；最优解是各段长度乘积的最大值。

三个特征：

• 重复子问题：

  • 不同的决策序列，到达某个相同的阶段时，可能会产生重复的状态。
  • 本题中，前两段长度分别为$(2,2)$和$(1,3)$都能进入目标值为4的状态

• 无后效性：

  • 前面阶段的状态确定之后，不会被后面阶段的决策所改变。一般而言，满足多阶段决策最优解模型的问题都满足无后效性，特例情况，如八皇后问题、解数独问题等。

• 最优子结构：

  • 后面阶段的状态可以通过前面阶段的状态推导出。
  • 本题中，目标值为8的状态可以由目标值为1-7的状态来推导。

综上所述，本问题满足一个模型、三个特征，所以可以使用动态规划来求解。
当然，凡是能用动态规划解决的问题，都可以用回溯思想来暴力求解，具体实现代码在文末给出，更多关于回溯思想的应用，可以参照：【算法】【回溯篇】第7节：0-1背包问题

---

三、Python代码实现

1. 动态规划解法

class Solution():

    def dp(self, n):
        """
        使用动态规划求解剪绳子问题，思路：维护一个长为n的数组，自底向上求解最优值！！！
        :param n: 绳子长度
        :return: 最大乘积值
        """
        if n < 2:  # 长度为1，无法剪
            return 0
        if n == 2:  # 长度为2，只能剪成1*1
            return 1
        if n == 3:  # 长度为3，剪成2*1 > 1*1*1
            return 2

        res = [-1] * (n + 1)  # 初始化数组
        res[0] = 1  # 约定f(0)=1

        for i in range(1, n + 1):  # 依次计算f(1)--f(8)
            res[i] = max([(j + 1) * res[i - j - 1] for j in range(i)])

        return res[-1]


def main():
    n = 8
    client = Solution()
    print(client.dp(n))


if __name__ == '__main__':
    main()

运行结果：

18

---

2. 回溯解法

class Solution():

    def trackback(self, n):
        """
        使用回溯法求解剪绳子问题
        :param n: 绳子长度
        :return: 最大乘积值
        """
        if n < 2:  # 长度为1，无法剪
            return 0
        if n == 2:  # 长度为2，只能剪成1*1
            return 1
        if n == 3:  # 长度为3，剪成2*1 > 1*1*1
            return 2

        self.max_v = n  # n大于0，所以初值设为n
        self.helper(n, 1)  # 回溯暴力求解

        return self.max_v

    def helper(self, n, v):
        """一次遍历完所有可能"""
        if n == 0:  # 当绳长为0时进行结算
            if self.max_v < v:
                self.max_v = v
            return

        for i in range(1, n + 1):  # 每次分段的长度介于[1, n]
            self.helper(n - i, v * i)


def main():
    n = 8
    client = Solution()
    print(client.trackback(n))


if __name__ == '__main__':
    main()

运行结果：

18