摘要
- 整数拆分和不同的二叉搜索树,这两个问题,都可以看做是从整体中不断拆出子结构(整数的子结构是更小的整数,二叉树的子结构是子树),模拟拆分子结构的过程,有助于思考递推公式。
- 这两题都是从
dp
数组的初始已知的部分开始,用子结构的dp
数组去构造答案的。
LeetCode343 整数拆分
-
确定
dp
数组及数组下标的含义:- 对于一个正整数
i
,拆分为k
个正整数,有很多种拆分方式,但应该有唯一的一种拆分方式使得拆分出的k
个正整数的乘积最大。先尝试一维的dp
数组,dp[i]
为正整数i
拆分为k
个正整数的乘积的最大值。
- 对于一个正整数
-
确定递推公式,还是先看简单的子问题
- 当
n == 1
时,1
只有一种拆分方式,拆分成一个1
,dp[1]
显然是1
。 - 当
n == 2
时,2
也只有一种拆分方式,拆分为两个1
,所以dp[2]
也是1
。 - 当
n == 3
时,3
有两种拆分方式,一是先拆出一个1
,得到[1, 2]
,二是再把2
拆分成一个1
,得到[1, 1, 1]
。可以把dp[3]
的求解过程看成是这两种拆法的乘积的比较,即第一种是不把2
继续往下拆,第二种是把2
继续往下拆,写成表达式应该是dp[3]=max(1*(3-1), 1*dp[3-1])
。 - 当
n == i
时,假如我们先只拆出一个正整数j
,得到[j, i-j]
。对于[j, i-j]
这一状态,要么j*(i-j)
就是乘积的最大值,要么就还要继续拆分i-j
来得到乘积的最大值,而dp[i-j]
是拆分i-j
为·k
个正整数的乘积的最大值。假设我们已经知道了dp[i-j]
的值,那么,对于拆出一个正整数j
,dp[i]
的值只可能是j*(i-j)
和j*dp[i-j]
中的较大值。 - 对于
n == i
,如果我们遍历所有可能的j
,就可以得到dp[i]
真正的最大值。
- 当
根据递推公式,我们可以知道
dp[0]
、dp[1]
、dp[2]
的初始状态。由于我们先知道的是较小的正整数的
dp
值,所以遍历方法应该是i
逐渐增大到n
,j
也应该是从1
逐渐增大到i
。
题解代码如下
class Solution {
public:
int integerBreak(int n) {
vector<int> dp {0, 1, 1};
for (int i = 3; dp.size() <= n; i++) {
dp.push_back(0);
for (int j = 1; j < i; j++) {
dp[i] = max(dp[i], max(j * dp[i - j], j * (i - j)));
}
}
return dp[n];
}
};
- 实际上,
j
只需要遍历到i / 2
即可,因为当j > i / 2
时,i - j
就和之前j < i / 2
的j
的值重复了
class Solution {
public:
int integerBreak(int n) {
vector<int> dp {0, 1, 1};
for (int i = 3; dp.size() <= n; i++) {
dp.push_back(0);
for (int j = 1; j < i / 2 + 1; j++) {
dp[i] = max(dp[i], max(j * dp[i - j], j * (i - j)));
}
}
return dp[n];
}
};
LeetCode96 不同的二叉搜索树
确定
dp
数组及数组下标的含义:dp[i]
是由i
个节点组成,且节点值互不相同的二叉搜索树的种数。-
确定递推公式,先看简单的子问题
- 当
n == 0
,即没有节点时,树为空树,只有一种,dp[0]=1
- 当
n == 1
时,树只有一个节点,所以也只有一种,dp[1]=1
- 当
n == 2
时,树有两个节点,有两种情况:一是1
作为根节点,二是2
作为根节点,dp[2]=2
- 当
n == 3
时,可以这样来考虑:- 当
1
作为根节点时,左子树的节点数为0
,右子树的节点数为2
,有dp[0]*dp[2]
种可能。 - 当
2
作为根节点时,左子树的节点数为1
,右子树的节点数为1
,有dp[1]*dp[1]
种可能。 - 当
3
作为根节点时,左子树的节点数为2
,右子树的节点数为0
,有dp[2]*dp[0]
种可能。
- 当
- 当
n == i
时,设根节点的值为j
,则左子树的节点数为j - 1
,右子树的节点数为i - j
。
- 当
dp
数组的初始值可以由递推公式得到由于我们先知道的是
i
较小的dp[i]
,所以i
应该从小到大来构造dp
数组
题解代码如下
class Solution {
public:
int numTrees(int n) {
vector<int> dp {1, 1, 2};
for (int i = 3; dp.size() <= n; i++) {
dp.push_back(0);
for (int j = 1; j <= i; j++) {
dp[i] += dp[j - 1] * dp[i - j];
}
}
return dp[n];
}
};