代码随想录算法训练营第四十天 | LeetCode 343. 整数拆分、96. 不同的二叉搜索树

简介: 代码随想录算法训练营第四十天 | LeetCode 343. 整数拆分、96. 不同的二叉搜索树

代码随想录算法训练营第四十天 | LeetCode 343. 整数拆分、96. 不同的二叉搜索树

文章链接:整数拆分        不同的二叉搜索树

视频链接:整数拆分        不同的二叉搜索树

1. LeetCode 343. 整数拆分

1.1 思路

  1. 给我们一个数,如何去拆成若干个数使其相乘最大?应该尽可能给他拆成相同的数。比如 10 拆成 5*5<3*3*4。因此拆成 m 个数,这 m 个数数值是近似相等的,这样相乘才尽可能大。
  2. 确定 dp 数组及其下标的含义:dp[i]:对 i 进行拆分,得到的这个最大乘积就是 dp[i]
  3. 递推公式:如果拆成两个数就是一个 j,一个(i-j)。如果是拆成三个及以上的话,就是 j*dp[i-j]。这里可能疑惑为什么不拆分 j 而是拆分 (i-j)呢?其实这里固定 j 之后 拆分(i-j)就已经包含了所有的情况了包括拆分 j 的情况。
  4. dp 数组的初始化:dp[0]、dp[1] 没有意义,拆不了,也可以初始化为 0。dp[2]=1
  5. 遍历顺序:从 3 开始往后遍历,两层 for循环。for(int i=3;i<=n;i++)for(int j=1;j<i;i++)递推公式 dp[i]=Math.max(j*(i-j),j*dp[i-j],dp[i])。为什么还需要 dp[i] 呢?dp[i] 的最大值并不一定出现在最后一次拆分中,可能中间某一次拆分就会出现最大值,所以需要再和 dp[i] 取下最值
  6. 打印 dp 数组:主要用于 debug

1.2 代码

class Solution {
    public int integerBreak(int n) {
        //dp[i] 为正整数 i 拆分后的结果的最大乘积
        int[] dp = new int[n+1];
        dp[2] = 1;
        for(int i = 3; i <= n; i++) {
            for(int j = 1; j <= i-j; j++) {
                // 这里的 j 其实最大值为 i-j,再大只不过是重复而已,
                //并且,在本题中,我们分析 dp[0], dp[1]都是无意义的,
                //j 最大到 i-j,就不会用到 dp[0]与dp[1]
                dp[i] = Math.max(dp[i], Math.max(j*(i-j), j*dp[i-j]));
                // j * (i - j) 是单纯的把整数 i 拆分为两个数 也就是 i,i-j ,再相乘
                //而j * dp[i - j]是将 i 拆分成两个以及两个以上的个数,再相乘。
            }
        }
        return dp[n];
    }
}

2. LeetCode 96. 不同的二叉搜索树

2.1 思路

  1. 我们看上图可以发现当 n=3 时,我们以 1 为头节点时右子树的布局和 n=2 时是一样的,以 2 为头节点时左子树和右子树的布局和 n=1 时是一样的,以 3 为头节点时左子树的布局和 n=2 时是一样的。因此可以发现 n=3 的情况是可以由 n=1 和 n=2 推导出来
  2. 我们再看看 n=3 时二叉搜索树有几种结果。我们可以发现 n=3 时的二叉搜索树的数量是由 n=0、n=1、n=2 推导出来的。即 dp[3]=dp[0]*dp[2]+dp[1]*dp[1]+dp[2]*dp[0]
  3. 确定 dp 数组及其下标的含义:dp[i]:1 到 i 为节点组成的二叉搜索树的个数为 dp[i]
  4. 递推公式:我们用 j 来枚举,从 1 遍历到 i,如果以 j 为头节点,左子树应该有 j-1 个,因为是二叉搜索树,右子树应该有 i-j 个,可以自己举例看看。又以 j-1 个和 i-j 个看 dp,因此 dp[i]+=dp[j-1]*dp[i-j]。这里怎么跟 dp[3]=dp[0]*dp[2]+dp[1]*dp[1]+dp[2]*dp[0] 不一样呢?因为这个公式其实就是由那个算出来的
  5. dp 数组的初始化:dp[0]=1,因为二叉搜索树也是 1 个
  6. 遍历顺序:从前往后从小到大遍历。for(int i=1;i<=n;i++)for(int j=1;j<=i;j++)dp[i]+=dp[j-1]*dp[i-j]
  7. 打印 dp 数组:用于 debug

2.2 代码

class Solution {
    public int numTrees(int n) {
        //初始化 dp 数组
        int[] dp = new int[n + 1];
        //初始化0个节点和1个节点的情况
        dp[0] = 1;
        dp[1] = 1;
        for (int i = 2; i <= n; i++) {
            for (int j = 1; j <= i; j++) {
                //对于第i个节点,需要考虑1作为根节点直到i作为根节点的情况,所以需要累加
                //一共i个节点,对于根节点j时,左子树的节点个数为j-1,右子树的节点个数为i-j
                dp[i] += dp[j - 1] * dp[i - j];
            }
        }
        return dp[n];
    }
}
相关文章
|
2月前
|
存储 人工智能 算法
从零掌握贪心算法Java版:LeetCode 10题实战解析(上)
在算法世界里,有一种思想如同生活中的"见好就收"——每次做出当前看来最优的选择,寄希望于通过局部最优达成全局最优。这种思想就是贪心算法,它以其简洁高效的特点,成为解决最优问题的利器。今天我们就来系统学习贪心算法的核心思想,并通过10道LeetCode经典题目实战演练,带你掌握这种"步步为营"的解题思维。
|
10月前
|
机器学习/深度学习 存储 算法
解锁文件共享软件背后基于 Python 的二叉搜索树算法密码
文件共享软件在数字化时代扮演着连接全球用户、促进知识与数据交流的重要角色。二叉搜索树作为一种高效的数据结构,通过有序存储和快速检索文件,极大提升了文件共享平台的性能。它依据文件名或时间戳等关键属性排序,支持高效插入、删除和查找操作,显著优化用户体验。本文还展示了用Python实现的简单二叉搜索树代码,帮助理解其工作原理,并展望了该算法在分布式计算和机器学习领域的未来应用前景。
|
7月前
|
存储 监控 算法
公司内部网络监控中的二叉搜索树算法:基于 Node.js 的实时设备状态管理
在数字化办公生态系统中,公司内部网络监控已成为企业信息安全管理体系的核心构成要素。随着局域网内终端设备数量呈指数级增长,实现设备状态的实时追踪与异常节点的快速定位,已成为亟待解决的关键技术难题。传统线性数据结构在处理动态更新的设备信息时,存在检索效率低下的固有缺陷;而树形数据结构因其天然的分层特性与高效的检索机制,逐渐成为网络监控领域的研究热点。本文以二叉搜索树(Binary Search Tree, BST)作为研究对象,系统探讨其在公司内部网络监控场景中的应用机制,并基于 Node.js 平台构建一套具备实时更新与快速查询功能的设备状态管理算法框架。
282 3
|
9月前
|
算法 Java
算法系列之数据结构-二叉搜索树
二叉查找树(Binary Search Tree,简称BST)是一种常用的数据结构,它能够高效地进行查找、插入和删除操作。二叉查找树的特点是,对于树中的每个节点,其左子树中的所有节点都小于该节点,而右子树中的所有节点都大于该节点。
380 22
|
9月前
|
存储 监控 算法
基于 PHP 二叉搜索树算法的内网行为管理机制探究
在当今数字化网络环境中,内网行为管理对于企业网络安全及高效运营具有至关重要的意义。它涵盖对企业内部网络中各类行为的监测、分析与管控。在内网行为管理技术体系里,算法与数据结构扮演着核心角色。本文将深入探究 PHP 语言中的二叉搜索树算法于内网行为管理中的应用。
133 4
|
10月前
|
存储 算法 Java
解锁“分享文件”高效密码:探秘 Java 二叉搜索树算法
在信息爆炸的时代,文件分享至关重要。二叉搜索树(BST)以其高效的查找性能,为文件分享优化提供了新路径。本文聚焦Java环境下BST的应用,介绍其基础结构、实现示例及进阶优化。BST通过有序节点快速定位文件,结合自平衡树、多线程和权限管理,大幅提升文件分享效率与安全性。代码示例展示了文件插入与查找的基本操作,适用于大规模并发场景,确保分享过程流畅高效。掌握BST算法,助力文件分享创新发展。
|
10月前
|
监控 算法 安全
关于公司电脑桌面监控中 PHP 二叉搜索树算法的深度剖析
在现代企业管理中,公司电脑桌面监控系统通过二叉搜索树(BST)算法保障信息安全和提高效率。本文探讨PHP中的BST在监控场景的应用,包括节点定义、插入与查找操作,并展示如何管理时间戳数据,以快速查询特定时间段内的操作记录。BST的高效性使其成为处理复杂监控数据的理想选择。
139 2
|
11月前
|
存储 算法 安全
U 盘管控情境下 Python 二叉搜索树算法的深度剖析与探究
在信息技术高度发达的今天,数据安全至关重要。U盘作为常用的数据存储与传输工具,其管控尤为关键。本文探讨Python中的二叉搜索树算法在U盘管控中的应用,通过高效管理授权U盘信息,防止数据泄露,保障信息安全。二叉搜索树具有快速插入和查找的优势,适用于大量授权U盘的管理。尽管存在一些局限性,如树结构退化问题,但通过优化和改进,如采用自平衡树,可以有效提升U盘管控系统的性能和安全性。
177 3
|
存储 算法 Java
leetcode算法题-有效的括号(简单)
【11月更文挑战第5天】本文介绍了 LeetCode 上“有效的括号”这道题的解法。题目要求判断一个只包含括号字符的字符串是否有效。有效字符串需满足左括号必须用相同类型的右括号闭合,并且左括号必须以正确的顺序闭合。解题思路是使用栈数据结构,遍历字符串时将左括号压入栈中,遇到右括号时检查栈顶元素是否匹配。最后根据栈是否为空来判断字符串中的括号是否有效。示例代码包括 Python 和 Java 版本。
294 4
|
Unix Shell Linux
LeetCode刷题 Shell编程四则 | 194. 转置文件 192. 统计词频 193. 有效电话号码 195. 第十行
本文提供了几个Linux shell脚本编程问题的解决方案,包括转置文件内容、统计词频、验证有效电话号码和提取文件的第十行,每个问题都给出了至少一种实现方法。
263 6
LeetCode刷题 Shell编程四则 | 194. 转置文件 192. 统计词频 193. 有效电话号码 195. 第十行

热门文章

最新文章