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
|
9天前
|
算法
分享一些提高二叉树遍历算法效率的代码示例
这只是简单的示例代码,实际应用中可能还需要根据具体需求进行更多的优化和处理。你可以根据自己的需求对代码进行修改和扩展。
|
12天前
|
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。
|
21天前
|
算法 测试技术 开发者
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗;代码审查通过检查源代码发现潜在问题,提高代码质量和团队协作效率。本文介绍了一些实用的技巧和工具,帮助开发者提升开发效率。
21 3
|
19天前
|
分布式计算 Java 开发工具
阿里云MaxCompute-XGBoost on Spark 极限梯度提升算法的分布式训练与模型持久化oss的实现与代码浅析
本文介绍了XGBoost在MaxCompute+OSS架构下模型持久化遇到的问题及其解决方案。首先简要介绍了XGBoost的特点和应用场景,随后详细描述了客户在将XGBoost on Spark任务从HDFS迁移到OSS时遇到的异常情况。通过分析异常堆栈和源代码,发现使用的`nativeBooster.saveModel`方法不支持OSS路径,而使用`write.overwrite().save`方法则能成功保存模型。最后提供了完整的Scala代码示例、Maven配置和提交命令,帮助用户顺利迁移模型存储路径。
|
1月前
|
存储 缓存 算法
如何通过优化算法和代码结构来提升易语言程序的执行效率?
如何通过优化算法和代码结构来提升易语言程序的执行效率?
|
1月前
|
算法
每日一道算法题(Leetcode 20)
每日一道算法题(Leetcode 20)
23 2
|
1月前
|
搜索推荐
插入排序算法的讲解和代码
【10月更文挑战第12天】插入排序是一种基础的排序算法,理解和掌握它对于学习其他排序算法以及数据结构都具有重要意义。你可以通过实际操作和分析,进一步深入了解插入排序的特点和应用场景,以便在实际编程中更好地运用它。
|
1月前
【LeetCode 45】701.二叉搜索树中的插入操作
【LeetCode 45】701.二叉搜索树中的插入操作
10 1
|
25天前
|
缓存 分布式计算 监控
优化算法和代码需要注意什么
【10月更文挑战第20天】优化算法和代码需要注意什么
18 0
|
1月前
【LeetCode 48】108.将有序数组转换为二叉搜索树
【LeetCode 48】108.将有序数组转换为二叉搜索树
40 0