整数分解
整数分解同样是一类动态规划常见的题目,因为大数的问题往往可以从小数中推出
分割整数的最大乘积
就按照思路大数的问题都可以转换为小数的问题思考。
dp[i]
表示i这个数字分解完成的最大乘积,考虑i = (i-j) + j
。其中j部分可以考虑两种情况,一个是i
本身,另外一个是dp[j]
。因为我们很难保证对j进行拆解得到的解比j本身要大。
因此转移方程dp[i] = max(dp[i], dp[i-j]*j, dp[i-j]*dp[j])
class Solution:
def integerBreak(self, n: int) -> int:
dp = [-1]*(n+1)
dp[1] = 1
for i in range(2,n+1):
for j in range(1,i):
dp[i] = max(dp[i], dp[i-j]*j, j*(i-j))
return dp[n]
完全平方数
最直观的方法就是dp,每次考虑子问题dp[i] = dp[i-j]+dp[j]
。j的表示所有可能的完全平方数。这样的时间复杂度 O ( n ∗ n ) O(n*\sqrt n) O(n∗n)
另外一种方法是贪心法,仔细观察问题,我们想要保证次数最小,就是每一个子问题都需要实现最少次数。如果我们从大问题向小问题发展,我们需要保证小问题只分配给第一次遇到这个小问题的大问题去解决,因为别的大问题第二次遇到这个小问题时,都会相当于绕了远路。并且因为有1的存在,保证每种方法都是可行这是能用贪心法的重要保障。最先遇到0这个小问题的尝试就是最优解。
class Solution:
def numSquares(self, n: int) -> int:
deq=collections.deque()
visited=set()
# 利用visited进行了贪心,不重复的选择,表示了已经考虑过这个子问题
deq.append((n,