闫氏DP分析法应用

闫氏DP分析法应用:最大化整数拆分问题


1. 状态表示(化零为整)

1.1 集合的定义

我们首先需要定义一个表示状态的集合。我们将考虑拆分的所有可能性,并且定义集合的属性:

  • 集合:( S(n) ) 表示所有拆分整数 ( n ) 的方案集合。

    • 每个拆分方式由若干个正整数组成,这些正整数之和为 ( n )。
    • 例如,( S(5) ) 的拆分方式有 ( (4, 1), (3, 2), (2, 2, 1), (1, 1, 1, 1, 1) ),每个拆分方式的乘积也需要计算。
  • 属性:我们需要最大化这些拆分方式的乘积。因此,( dpn ) 表示整数 ( n ) 的最大拆分乘积。

具体地:

  • 状态表示:对于给定的 ( n ),( dpn ) 表示整数 ( n ) 拆分后的最大乘积。

2. 状态计算(化整为零)

在状态表示明确后,我们需要设计状态转移方程,推导出如何从小的子问题推导到大的问题。

2.1 子集划分:

为了计算 ( dpn ),我们考虑将 ( n ) 拆分成两个部分 ( j ) 和 ( n-j )。对于每个 ( j )(( 1 \leq j < n )),我们有两种情况:

  • 不选 ( n-j ) 继续拆分:如果选择拆分为 ( j ) 和 ( n-j ),那么直接计算它们的乘积 ( j \times (n-j) )。

  • 选 ( n-j ) 继续拆分:如果 ( n-j ) 继续拆分,使用已求得的最优解 ( dpn-j ),并计算乘积 ( j \times dpn-j )。

因此,状态转移的关键是选择每个 ( j ) 对应的拆分方式,并计算它们的最大乘积。

2.2 状态转移方程:

根据以上分析,我们可以得到状态转移方程:
d p n = max ⁡ 1 ≤ j < n { max ⁡ ( j × ( n − j ) , j × d p n − j ) } dpn = \max_{1 \leq j < n} \{ \max(j \times (n-j), j \times dpn-j) \} dpn=1≤j<nmax{max(j×(n−j),j×dpn−j)}

  • 解释 :
    • 第一部分 ( j \times (n-j) ) 表示不再拆分 ( n-j ) 的情况,直接计算拆分 ( j ) 和 ( n-j ) 的乘积。
    • 第二部分 ( j \times dpn-j ) 表示继续递归拆分 ( n-j ),然后乘上 ( j )。
2.3 初始化条件:

为了开始递推,我们需要初始化一些基础值:

  • ( dp1 = 1 )(虽然不拆分,但这是递归的基准)。
  • ( dp2 = 1 )(2 拆分为 1 和 1,乘积为 1)。

3. 示例推导 ( n = 5 )

接下来,我们使用闫氏DP分析法,逐步计算 ( dp5 ):

3.1 初始化
  • ( dp1 = 1 )
  • ( dp2 = 1 )
3.2 递推计算 ( dp3 )

我们根据状态转移方程计算 ( dp3 ):

  • 对于 ( j = 1 ):( dp3 = \max(1 \times 2, 1 \times dp2) = \max(2, 1) = 2 )
  • 对于 ( j = 2 ):( dp3 = \max(2 \times 1, 2 \times dp1) = \max(2, 2) = 2 )

因此,( dp3 = 2 )。

3.3 递推计算 ( dp4 )

继续递推,计算 ( dp4 ):

  • 对于 ( j = 1 ):( dp4 = \max(1 \times 3, 1 \times dp3) = \max(3, 2) = 3 )
  • 对于 ( j = 2 ):( dp4 = \max(2 \times 2, 2 \times dp2) = \max(4, 2) = 4 )
  • 对于 ( j = 3 ):( dp4 = \max(3 \times 1, 3 \times dp1) = \max(3, 3) = 3 )

因此,( dp4 = 4 )。

3.4 递推计算 ( dp5 )

最终计算 ( dp5 ):

  • 对于 ( j = 1 ):( dp5 = \max(1 \times 4, 1 \times dp4) = \max(4, 4) = 4 )
  • 对于 ( j = 2 ):( dp5 = \max(2 \times 3, 2 \times dp3) = \max(6, 4) = 6 )
  • 对于 ( j = 3 ):( dp5 = \max(3 \times 2, 3 \times dp2) = \max(6, 3) = 6 )
  • 对于 ( j = 4 ):( dp5 = \max(4 \times 1, 4 \times dp1) = \max(4, 4) = 4 )

因此,( dp5 = 6 )。

最终答案:( dp5 = 6 )。


相关推荐
大侠归来2 小时前
C 语言 | 在函数中操作数组
c语言·c++·算法
怕浪猫7 小时前
GEO 优化到底是什么?AI时代内容创作者必须懂的新技能
算法·面试·github
朝朝辞暮i8 小时前
C++ 第 23 课:class —— 开始真正进入面向对象
开发语言·c++·算法
Evand J8 小时前
【MATLAB例程】三维RRT+APF避障路径规划与到达角(AOA)定位算法|三维路径优化与定位仿真例程
算法·matlab·路径规划·代码·定位·rrt·aoa
随意起个昵称9 小时前
【背包dp】输出方案路径
c++·动态规划
weixin_3077791310 小时前
有限产能智能排产与动态重排智能体:从需求解构到技术实现
开发语言·人工智能·算法·架构
朝朝辞暮i10 小时前
C++ 第 27 课:智能指针 shared_ptr
开发语言·c++·算法
朝朝辞暮i10 小时前
C++ 第 29 课:回调函数 Callback
开发语言·c++·算法
Godspeed Zhao11 小时前
现代智能雷达技术14——算法(0)
线性代数·算法·雷达
可乐ea11 小时前
Agent 模型分级升级路由:用置信度阈值把贵模型省下来
人工智能·算法·机器学习·结构化输出·置信度路由·模型升级路由·大模型成本优化