在求解问题前,考虑到作为状态的累计钱币数没有已知上限,是待求量。因此不能将累计钱币数作为dp
索引,因此,我们要分析,这个问题能不能分解成小问题破解?显然,如果是按照先戳破第k
个气球来思考,子问题之间是相互依赖的,问题只能分解,不能将小问题的解正确的合成。所以我们要做的是如何分解可以使得小问题之间相互独立?
很多题解上来就说反向思维,但不会告诉你如何想到反向思维?其实是依靠正向逻辑的,只要按照正向逻辑,不论前向,后向还是什么左向右向思维都可以训练出来!!
k
个气球,则k
右边的气球依赖的相邻左边气球会发生变化)。那从问题中,什么是固定值呢?既然相邻两侧是变量,那边界就是固定值
,不论怎么戳破区间内的气球,区间左右边界的气球不变,因此,我们可以从边界下手k
个气球会需要边界i, j
的气球呢?当然是最后一个被戳破的时候啦,这样思考是不是觉得比直接灌输什么反向思维要舒服很多?有了以上铺垫,就可以直接上手动态规划套路了
【状态】:拿到的累计钱币数(由于没有已知上限,不适合做为dp
索引)
【选择】:从(i, j)
中选择索引k
的气球戳破,拿到对应钱币
【dp
函数含义】:开区间(i, j)
内戳破气球获得的最大硬币数量dp[i][j]
【初始化】:在气球对应的硬币数量数组收尾添加1
,其余照抄原数组
【状态转移】: dp[i][j] = max(dp[i][j], dp[i][k] + dp[k][j] + scores[i]*scores[k]*scores[j])
class Solution {
public:
int maxCoins(vector<int>& nums) {
vector<int> scores(nums.size() + 2, 0);
// 收尾补充1
scores.front() = 1; scores.back() = 1;
int size = scores.size();
for (int i = 1; i < size - 1; i++) scores[i] = nums[i - 1];
// dp数组含义:开区间(i, j)内戳破气球获得的最大硬币数量
vector<vector<int>> dp(size, vector<int>(size, 0));
for (int i = size - 1; i >= 0; i--)
for (int j = i + 1; j < size; j++) {
// [关键]:k表最后1个戳破的气球索引
// 若k表第1个戳破的气球,则尾部为scores[k-1]*scores[k]*scores[k+1]导致子问题相互依赖)
for (int k = i + 1; k < j; k++)
dp[i][j] = max(dp[i][j], dp[i][k] + dp[k][j] + scores[i]*scores[k]*scores[j]);
}
return dp[0][size - 1];
}
};