题目描述
这是 LeetCode 上的 526. 优美的排列 ,难度为 中等。
Tag : 「位运算」、「状压 DP」、「动态规划」
假设有从 1 到 N 的 N 个整数,如果从这 N 个数字中成功构造出一个数组,使得数组的第 i 位 (1<=i<=N) 满足如下两个条件中的一个,我们就称这个数组为一个优美的排列。
条件:
- 第 i 位的数字能被 i 整除
- i 能被第 i 位上的数字整除
现在给定一个整数 N,请问可以构造多少个优美的排列?
示例1:
输入: 2
输出: 2
解释:
第 1 个优美的排列是 [1, 2]:
第 1 个位置(i=1)上的数字是1,1能被 i(i=1)整除
第 2 个位置(i=2)上的数字是2,2能被 i(i=2)整除
第 2 个优美的排列是 [2, 1]:
第 1 个位置(i=1)上的数字是2,2能被 i(i=1)整除
第 2 个位置(i=2)上的数字是1,i(i=2)能被 1 整除
复制代码
说明:
- N 是一个正整数,并且不会超过 15。
状态压缩 DP
利用数据范围不超过 15,我们可以使用「状态压缩 DP」进行求解。
使用一个二进制数表示当前哪些数已被选,哪些数未被选,目的是为了可以使用位运算进行加速。
我们可以通过一个具体的样例,来感受下「状态压缩」是什么意思:
例如 (000...0101)2 代表值为 1 和值为 3 的数字已经被使用了,而值为 2 的节点尚未被使用。
然后再来看看使用「状态压缩」的话,一些基本的操作该如何进行:
假设变量 state 存放了「当前数的使用情况」,当我们需要检查值为 k 的数是否被使用时,可以使用位运算 a = (state >> k) & 1
,来获取 state 中第 k 位的二进制表示,如果 a
为 1 代表值为 k 的数字已被使用,如果为 0 则未被访问。
定义 f[i][state] 为考虑前 i 个数,且当前选择方案为 state 的所有方案数量。
一个显然的初始化条件为 f[0][0]=1,代表当我们不考虑任何数(i=0)的情况下,一个数都不被选择(state=0)为一种合法方案。
不失一般性的考虑 f[i][state] 该如何转移,由于本题是求方案数,我们的转移方程必须做到「不重不漏」。
我们可以通过枚举当前位置 i 是选哪个数,假设位置 i 所选数值为 k,首先 k 值需要同时满足如下两个条件:
- state 中的第 k 位为 1;
- 要么 k 能被 i 整除,要么 i 能被 k 整除。
那么根据状态定义,位置 i 选了数值 k,通过位运算我们可以直接得出决策位置 i 之前的状态是什么:state&(¬(1<<(k−1))),代表将 state 的二进制表示中的第 k 位置 0。
最终的 f[i][state] 为当前位置 i 选择的是所有合法的 k 值的方案数之和:
f[i][state]=k=1∑nf[i−1][state&(¬(1<<(k−1)))]
一些细节:由于给定的数值范围为 [1,n],但实现上为了方便,我们使用 state 从右往左的第 0 位表示数值 1 选择情况,第 1 位表示数值 2 的选择情况 ... 即对选择数值 k 做一个 −1 的偏移。
代码:
class Solution {
public int countArrangement(int n) {
int mask = 1 << n;
int[][] f = new int[n + 1][mask];
f[0][0] = 1;
for (int i = 1; i <= n; i++) {
// 枚举所有的状态
for (int state = 0; state < mask; state++) {
// 枚举位置 i(最后一位)选的数值是 k
for (int k = 1; k <= n; k++) {
// 首先 k 在 state 中必须是 1
if (((state >> (k - 1)) & 1) == 0) continue;
// 数值 k 和位置 i 之间满足任一整除关系
if (k % i != 0 && i % k != 0) continue;
// state & (~(1 << (k - 1))) 代表将 state 中数值 k 的位置置零
f[i][state] += f[i - 1][state & (~(1 << (k - 1)))];
}
}
}
return f[n][mask - 1];
}
}
复制代码
- 时间复杂度:共有 n∗2n 的状态需要被转移,每次转移复杂度为 O(n),整体复杂度为 O(n2∗2n)
- 空间复杂度:O(n∗2n)
状态压缩 DP(优化)
通过对朴素的状压 DP 的分析,我们发现,在决策第 i 位的时候,理论上我们应该使用的数字数量也应该为 i 个。
但这一点在朴素状压 DP 中并没有体现,这就导致了我们在决策第 i 位的时候,仍然需要对所有的 state 进行计算检查(即使是那些二进制表示中 1 的出现次数不为 i 个的状态)。
因此我们可以换个思路进行枚举(使用新的状态定义并优化转移方程)。
定义 f[state] 为当前选择数值情况为 state 时的所有方案的数量。
这样仍然有 f[0]=1 的初始化条件,最终答案为 f[(1< 不失一般性考虑 f[state] 如何计算: 从当前状态 state 进行出发,检查 state 中的每一位 1 作为最后一个被选择的数值,这样仍然可以确保方案数「不重不漏」的被统计,同时由于我们「从小到大」对 state 进行枚举,因此计算 f[state] 所依赖的其他状态值必然都已经被计算完成。 同样的,我们仍然需要确保 state 中的那一位作为最后一个的 1 需要与所放的位置成整除关系。 因此我们需要一个计算 state 的 1 的个数的方法,这里使用 lowbit 实现即可。 最终的 f[state] 为当前位置选择的是所有合法值的方案数之和: f[state]=i=0∑nf[state&(¬(1<
代码: 不难发现,其实两种状态压缩 DP 的思路其实是完全一样的。 只不过在朴素状压 DP 中我们是显式的枚举了考虑每一种长度的情况(存在维度 i),而在状压 DP(优化)中利用则 state 中的 1 的个数中蕴含的长度信息。 这是我们「刷穿 LeetCode」系列文章的第 在这个系列文章里面,除了讲解解题思路以外,还会尽可能给出最为简洁的代码。如果涉及通解还会相应的代码模板。 为了方便各位同学能够电脑上进行调试和提交代码,我建立了相关的仓库:github.com/SharingSour… 。 在仓库地址里,你可以看到系列文章的题解链接、系列文章的相应代码、LeetCode 原题链接和其他优选题解。 更多更全更热门的「笔试/面试」相关资料可访问排版精美的 合集新基地 class Solution {
int getCnt(int x) {
int ans = 0;
while (x != 0) {
x -= (x & -x); // lowbit
ans++;
}
return ans;
}
public int countArrangement(int n) {
int mask = 1 << n;
int[] f = new int[mask];
f[0] = 1;
// 枚举所有的状态
for (int state = 1; state < mask; state++) {
// 计算 state 有多少个 1(也就是当前排序长度为多少)
int cnt = getCnt(state);
// 枚举最后一位数值为多少
for (int i = 0; i < n; i++) {
// 数值在 state 中必须是 1
if (((state >> i) & 1) == 0) continue;
// 数值(i + 1)和位置(cnt)之间满足任一整除关系
if ((i + 1) % cnt != 0 && cnt % (i + 1) != 0) continue;
// state & (~(1 << i)) 代表将 state 中所选数值的位置置零
f[state] += f[state & (~(1 << i))];
}
}
return f[mask - 1];
}
}
复制代码
总结
最后
No.525
篇,系列开始于 2021/01/01,截止于起始日 LeetCode 上共有 1916 道题目,部分是有锁题,我们将先把所有不带锁的题目刷完。