给一段长度为n的绳子,请把绳子剪成m段,每段绳子的长度为k[0],k[1],k[2],k[3]....k[m].请问k[0]*k[1]*k[2].....*k[m]的最大乘积为多少
cpp
#include <vector> // 包含vector头文件
#include <algorithm> // 包含algorithm头文件,用于max函数
class Solution { // 定义解决方案类
public:
int cutRope(int n) { // 主函数,计算最大乘积
if (n <= 1) return 0; // 如果绳子长度小于等于1,无法剪断
if (n == 2) return 1; // 如果绳子长度为2,最大乘积为1
if (n == 3) return 2; // 如果绳子长度为3,最大乘积为2
std::vector<int> dp(n + 1, 0); // 创建动态规划数组,初始化为0
// 初始化基础情况
dp[0] = 0; // 长度为0的绳子乘积为0
dp[1] = 1; // 长度为1的绳子乘积为1
dp[2] = 2; // 长度为2的绳子乘积为2
dp[3] = 3; // 长度为3的绳子乘积为3
for (int i = 4; i <= n; i++) { // 从长度4开始计算
for (int j = 1; j <= i / 2; j++) { // 尝试所有可能的切割点
dp[i] = std::max(dp[i], dp[j] * dp[i - j]); // 更新最大乘积
}
}
return dp[n]; // 返回长度为n的绳子的最大乘积
}
};
这个实现使用了动态规划的方法来解决问题。以下是主要的设计思路:
- 我们定义了一个
Solution
类,其中包含一个cutRope
函数来解决这个问题。 - 首先,我们处理了一些特殊情况:
- 如果绳子长度小于等于1,无法剪断,返回0。
- 如果绳子长度为2,最大乘积为1(必须剪断)。
- 如果绳子长度为3,最大乘积为2(必须剪断)。
- 我们创建了一个动态规划数组
dp
,其中dp[i]
表示长度为i的绳子能得到的最大乘积。 - 初始化基础情况:
dp[0] = 0
,dp[1] = 1
,dp[2] = 2
,dp[3] = 3
- 注意,对于长度为2和3的情况,虽然必须剪断,但在作为子问题时,保持完整可能会得到更大的乘积。
- 然后,我们从长度4开始,逐步计算到长度n:
- 对于每个长度i,我们尝试所有可能的切割点j。
- 计算
dp[j] * dp[i-j]
,这代表将绳子切割成长度为j和i-j的两段。 - 使用
std::max
函数来更新dp[i]
,保证它始终是最大的乘积。
- 最后,返回
dp[n]
,即为所求的最大乘积。
这个算法的时间复杂度为O(n^2),空间复杂度为O(n)。
当然可以使用更有效的解法,但是需要一点数学知识这个优化的算法基于一个数学发现:当绳子长度大于3时,尽可能多地切出长度为3的片段会得到最大乘积。如果最后剩下的长度为1,我们应该将其与一个3合并,形成一个长度为4的片段
cpp
class Solution { // 定义解决方案类
public:
int cutRope(int n) { // 主函数,计算最大乘积
if (n <= 3) return n - 1; // 处理特殊情况
int quotient = n / 3; // 计算可以切出多少个长度为3的片段
int remainder = n % 3; // 计算切完长度为3的片段后剩余的长度
if (remainder == 0) { // 如果刚好被3整除
return pow(3, quotient); // 返回3的quotient次方
} else if (remainder == 1) { // 如果余1
return pow(3, quotient - 1) * 4; // 最后的3和1合并为4
} else { // 如果余2
return pow(3, quotient) * 2; // 最后剩一个2
}
}
private:
int pow(int base, int exponent) { // 快速幂函数
int result = 1; // 初始化结果为1
while (exponent > 0) { // 当指数大于0时循环
if (exponent & 1) { // 如果指数的二进制表示中当前位为1
result *= base; // 将base乘到结果中
}
base *= base; // base自乘
exponent >>= 1; // 指数右移一位
}
return result; // 返回结果
}
};