题目:
给定一根长度为n的绳子,请把绳子剪成整数长的m段(m、n都是整数,n>1并且m>1),每段绳子的长度记为 k [ 0 ] , k [ 1 ] , . . . , k [ m ] k[0],k[1],...,k[m] k[0],k[1],...,k[m] 。请问 k [ 0 ] , k [ 1 ] , . . . , k [ m ] k[0],k[1],...,k[m] k[0],k[1],...,k[m]可能的最大乘积是多少?例如,当绳子的长度是8时,我们把它剪成长度分别为2、3、3的三段,此时得到的最大乘积是18。
转成数学模型:
给定一个数n,求 n = a 1 + a 2 + … a m ( m > 1 ) n = a_1+a_2+\ldots a_m (m>1) n=a1+a2+…am(m>1),使得 s = a 1 ⋅ a 2 ⋯ a m s= a_1 \cdot a_2 \cdots a_m s=a1⋅a2⋯am最大化。
如果用暴力枚举的思路思考这个问题,会出现以下两个问题:
(1)绳子应该分几段,才能得到最优结果?
(2)假设已经确定要分m段,那么每段的长度又应该是多少?
递归法
基本思想
递归三部曲
(1)递归函数的设计和功能:back_track(n) 输入长度:n,输出分段后的最大乘积。
(2)递归终止的条件:如果 n ≤ 4 n \le 4 n≤4,显然back_track(n) =n ,
(3)下一步递归:对于长度n,我们需要减少递归参数n。
如果第一段为1, 显然下一步递归为back_track(n-1),
如果第一段为2, 则下一步递归为back_track(n-2)
所以,最后一次可能的情况为最后一段为n-1, 下一步递归为back_track(1),
因此,每一步可能的结果为1 * back_track(n-1), 2 * back_track(n-2), …, (n-1) * back_track(1),在n-1种情况中取一个最大值即可。 这里我们不用关系back_track(n-1)等的值为多少,因为最终会递归到我们的终止条件,因此绝对是可以求出来。
python实现
class compute_max_s:
def back_track(self,n):
# 长度小于4时,不分长度是最大的
if(n<=4):
return n
res = 0
for i in range(1,n):
res = max(res,i*back_track(n-i))
return res
def cutRope(self,number):
if(number == 2):
return 1
if(number == 3):
return 2
return back_track(number)
调用
obj = compute_max_s()
obj.cutRope(8)
# 输出18
时间复杂度为 O ( n ! ) O(n!) O(n!)
空间复杂度为 O ( n ) O(n) O(n)
根据方法一,假设求back_track(7),如下图:
用f() 替代 back_track(),可知,红色的部分重复了。
因此,我们可以开一个数组,把计算过的结果存起来。
动态规划
将计算结果存到arr中。
def cutRope(number):
if(number == 2):
return 1
if(number == 3):
return 2
arr = [-1]*(number+1)
for i in range(0,5):
arr[i] = i
for i in range(5,number+1):
for j in range(0,i):
arr[i] = max(arr[i],j*arr[i-j])
return arr[number]
调用
cutRope(8)
# 输出18
时间复杂度:
O
(
n
2
)
O(n^2)
O(n2)
空间复杂度:
O
(
n
)
O(n)
O(n)