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];
}
};