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。

1. 输入整数 \(n\) ，从其不断地切分出因子 \(3\) ，直至余数为 \(0\)、\(1\)、\(2\) 。
2. 当余数为 \(0\) 时，代表 \(n\) 是 \(3\) 的倍数，因此不做任何处理。
3. 当余数为 \(2\) 时，不继续划分，保留之。
4. 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 \(1 \times (n - 1)\) 。

PythonC++JavaC#GoSwiftJSTSDartRustCZig

max_product_cutting.py

[class]{}-[func]{max_product_cutting}

max_product_cutting.cpp

[class]{}-[func]{maxProductCutting}

max_product_cutting.java

[class]{max_product_cutting}-[func]{maxProductCutting}

max_product_cutting.cs

[class]{max_product_cutting}-[func]{maxProductCutting}

max_product_cutting.go

[class]{}-[func]{maxProductCutting}

max_product_cutting.swift

[class]{}-[func]{maxProductCutting}

max_product_cutting.js

[class]{}-[func]{maxProductCutting}

max_product_cutting.ts

[class]{}-[func]{maxProductCutting}

max_product_cutting.dart

[class]{}-[func]{maxProductCutting}

max_product_cutting.rs

[class]{}-[func]{max_product_cutting}

max_product_cutting.c

[class]{}-[func]{maxProductCutting}

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。

1. 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。
2. 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。
3. 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。