5 KiB
最大切分乘积问题
!!! question
给定一个正整数 $n$ ，将其切分为至少两个正整数的和，求切分后所有整数的乘积最大是多少。
假设我们将 n 切分为 m 个整数因子，其中第 i 个因子记为 n_i ，即
$$
n = \sum_{i=1}^{m}n_i
本题目标是求得所有整数因子的最大乘积，即
$$
\max(\prod_{i=1}^{m}n_i)
我们需要思考的是：切分数量 m 应该多大，每个 n_i 应该是多少？
贪心策略确定
根据经验，两个整数的乘积往往比它们的加和更大。假设从 n 中分出一个因子 2 ，则它们的乘积为 2(n-2) 。我们将该乘积与 n 作比较：
$$
\begin{aligned}
2(n-2) & \geq n \newline
2n - n - 4 & \geq 0 \newline
n & \geq 4
\end{aligned}
如下图所示，当 n \geq 4 时，切分出一个 2 后乘积会变大，这说明大于等于 4 的整数都应该被切分。
贪心策略一：如果切分方案中包含 \geq 4 的因子，那么它就应该被继续切分。最终的切分方案只应出现 $1$、$2$、3 这三种因子。
接下来思考哪个因子是最优的。在 $1$、$2$、3 这三个因子中，显然 1 是最差的，因为 1 \times (n-1) < n 恒成立，即切分出 1 反而会导致乘积减小。
如下图所示，当 n = 6 时，有 3 \times 3 > 2 \times 2 \times 2 。这意味着切分出 3 比切分出 2 更优。
贪心策略二：在切分方案中，最多只应存在两个 2 。因为三个 2 总是可以被替换为两个 3 ，从而获得更大乘积。
总结以上，可推出以下贪心策略。
- 输入整数
n，从其不断地切分出因子3，直至余数为 $0$、$1$、2。 - 当余数为
0时，代表n是3的倍数，因此不做任何处理。 - 当余数为
2时，不继续划分，保留之。 - 当余数为
1时，由于2 \times 2 > 1 \times 3，因此应将最后一个3替换为2。
代码实现
如下图所示，我们无须通过循环来切分整数，而可以利用向下整除运算得到 3 的个数 a ，用取模运算得到余数 b ，此时有：
$$
n = 3 a + b
请注意，对于 n \leq 3 的边界情况，必须拆分出一个 1 ，乘积为 1 \times (n - 1) 。
=== "Python"
```python title="max_product_cutting.py"
[class]{}-[func]{max_product_cutting}
```
=== "C++"
```cpp title="max_product_cutting.cpp"
[class]{}-[func]{maxProductCutting}
```
=== "Java"
```java title="max_product_cutting.java"
[class]{max_product_cutting}-[func]{maxProductCutting}
```
=== "C#"
```csharp title="max_product_cutting.cs"
[class]{max_product_cutting}-[func]{MaxProductCutting}
```
=== "Go"
```go title="max_product_cutting.go"
[class]{}-[func]{maxProductCutting}
```
=== "Swift"
```swift title="max_product_cutting.swift"
[class]{}-[func]{maxProductCutting}
```
=== "JS"
```javascript title="max_product_cutting.js"
[class]{}-[func]{maxProductCutting}
```
=== "TS"
```typescript title="max_product_cutting.ts"
[class]{}-[func]{maxProductCutting}
```
=== "Dart"
```dart title="max_product_cutting.dart"
[class]{}-[func]{maxProductCutting}
```
=== "Rust"
```rust title="max_product_cutting.rs"
[class]{}-[func]{max_product_cutting}
```
=== "C"
```c title="max_product_cutting.c"
[class]{}-[func]{maxProductCutting}
```
=== "Zig"
```zig title="max_product_cutting.zig"
[class]{}-[func]{maxProductCutting}
```
时间复杂度取决于编程语言的幂运算的实现方法。以 Python 为例，常用的幂计算函数有三种。
- 运算符
**和函数pow()的时间复杂度均为O(\log a)。 - 函数
math.pow()内部调用 C 语言库的pow()函数，其执行浮点取幂，时间复杂度为O(1)。
变量 a 和 b 使用常数大小的额外空间，因此空间复杂度为 $O(1)$ 。
正确性证明
使用反证法，只分析 n \geq 3 的情况。
- 所有因子 $\leq 3$ ：假设最优切分方案中存在
\geq 4的因子x，那么一定可以将其继续划分为2(x-2)，从而获得更大的乘积。这与假设矛盾。 - 切分方案不包含 $1$ ：假设最优切分方案中存在一个因子
1，那么它一定可以合并入另外一个因子中，以获取更大乘积。这与假设矛盾。 - 切分方案最多包含两个 $2$ ：假设最优切分方案中包含三个
2，那么一定可以替换为两个3，乘积更大。这与假设矛盾。