AcWing 25 剪绳子

探讨了绳子剪裁问题的最优解法,通过数学分析得出结论:当绳子长度大于4时,将其尽可能剪成长度为3的段,可获得最大乘积。并提供了一种高效的算法实现。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题目描述:

给你一根长度为 n 绳子,请把绳子剪成 m 段(m、n 都是整数,2≤n≤58 并且 m≥2)。

每段的绳子的长度记为k[0]、k[1]、……、k[m]。k[0]k[1] … k[m] 可能的最大乘积是多少?

例如当绳子的长度是8时,我们把它剪成长度分别为2、3、3的三段,此时得到最大的乘积18。

样例

输入:8

输出:18

分析:

直接暴搜的话复杂度太高。对于长度为n的绳子,可剪成n1,n2,...,nm这么多段。这里有个结论,就是n大于4时,切分成绳子的长度尽可能的等于3时,这么多段绳子长度乘积最大。

显而易见,我们不希望剪成长度为1的小段,因为它对乘积并无帮助。对于基本不等式ab <= (a + b)^2 / 4,我们可以得到,分成两段的话,这两段长度相等时乘积最大。另外,尽可能分成多段等长的绳子对乘积帮助更大,比如10,5*5 < 2*2*2*2*2,。当然各段绳子长度至少要为2。由算术基本定理我们知道,任意一个数都可以分解为若干质数的乘积,所以我们尽可能的分割成质数。而对于不小于5的质数,都可以分割成更小的质数和,比如5=2+3,7=5+2.只有2和3不可再分。对于4而言,分成2*2比分成3*1好,因为我们要避免分割出长度为1的绳子,那么对于大于4的绳子,比如8,2*2*2*2=16,而3*3*2=18,可见分割成3比分割成2更具有优势。所以对于一个数3n+1,我们可以分割成n-1个3和一个4(避免1的出现);对于3n+2,分割成n个3和一个2。

class Solution {
public:
    int maxProductAfterCutting(int length) {
        if(length <= 3) return length - 1;
        int ans = 1;
        if(length % 3 == 1){
            ans = 4;
            length -= 4;
        }
        if(length % 3 == 2){
            ans = 2;
            length -= 2;
        }
        while(length > 0){
            ans *= 3;
            length -= 3;
        }
        return ans;
    }
};

 

### 贪心算法实现 贪心算法的思路是尽可能多地出长度为3的绳子段,因为当绳子长度大于等于5时,出长度为3的段可以获得更大的乘积。当剩下的长度为4时,将其成两个2的段,这样可以获得更大的乘积[^2]。 ```cpp #include <iostream> #include <cmath> class Solution { public: int cutRope(int number) { if(number < 2) return 0; if(number == 2) return 1; if(number == 3) return 2; int countOf3 = number / 3; if (number - countOf3 * 3 == 1) { countOf3--; return static_cast<int>(pow(3, countOf3)) * 4; } if (number - countOf3 * 3 == 2) { return static_cast<int>(pow(3, countOf3)) * 2; } return static_cast<int>(pow(3, countOf3)); } }; int main() { Solution sol; std::cout << sol.cutRope(10) << std::endl; // 输出 36 return 0; } ``` ### 动态规划实现 动态规划的思路是将绳子长度从1到n的所有可能法都计算出来,并存储在数组中。对于每个长度i,遍历所有可能的法j(从1到i-1),并计算j*(i-j)和dp[j]*(i-j)的乘积,取最大值作为dp[i]的值[^1]。 ```cpp #include <iostream> #include <vector> #include <algorithm> class Solution { public: int cutRope(int number) { if (number < 2) return 0; if (number == 2) return 1; if (number == 3) return 2; std::vector<int> dp(number + 1, 0); for (int i = 1; i <= number; ++i) { for (int j = 1; j < i; ++j) { dp[i] = std::max(dp[i], std::max(j * (i - j), j * dp[i - j])); } } return dp[number]; } }; int main() { Solution sol; std::cout << sol.cutRope(10) << std::endl; // 输出 36 return 0; } ``` ### 总结 - **贪心算法**:适用于较大的绳子长度,时间复杂度为O(1),但需要数学推导来证明最优解。 - **动态规划**:适用于较小的绳子长度,时间复杂度为O(n^2),但不需要数学推导。 两种方法都可以有效地解决绳子问题,选择哪种方法取决于具体的应用场景和对时间复杂度的要求。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值