leetcode每日一题：最大整除子集
题目
368. 最大整除子集
给你一个由 无重复 正整数组成的集合 nums ，请你找出并返回其中最大的整除子集 answer ，子集中每一元素对 (answer[i], answer[j]) 都应当满足：
-
answer[i] % answer[j] == 0，或 -
answer[j] % answer[i] == 0
如果存在多个有效解子集，返回其中任何一个均可。
示例 1：
输入：nums = [1,2,3] 输出：[1,2] 解释：[1,3] 也会被视为正确答案。
示例 2：
输入：nums = [1,2,4,8] 输出：[1,2,4,8]
提示：
-
1 <= nums.length <= 1000 -
1 <= nums[i] <= 2 * 109 -
nums中的所有整数 互不相同
思路
动态规划的题目，关键在与定义状态和状态转移方程，这2个步骤是要一起考虑的。本题需要绕一个弯，我们可以分成2个子问题：
-
求出最大集合的元素数量
-
求出最大集合的每个元素（有多个符合条件的集合的话，只要求解出其中一个）
求出最大集合的元素数量
我们先对原数组做从小到大排序，定义一个一维数组dp[]，dp[n]代表以下标为n的数字作为集合最大元素时，集合的最大size。根据整除子集的定义，我们在求dp[n+1]的时候，就可以遍历0 ~ n，如果num[n+1]可以整除num[j]，那么dp[n+1]的1种解是dp[j]+1，所以dp[n+1] = max(dp[j]+1)，条件是num[n+1]%num[j]==0。那如果0~n任何一个数都不能被整除，那么这个子集只能包含num[n+1]自己，即dp[n+1] = 1。最后，我们遍历dp[0] ~ dp[len-1]，求可以得到最大集合的元素数量max。
求出最大集合的每个元素
这一步是本题比较容易错误的一个点，上述求解最大集合的元素数量的过程，我们可以同时记录下最大集合的结束元素值maxValue和它的下标maxIndex。然后从后往前遍历去找它前一个元素，找到后把找到的元素作为maxValue，下标作为maxIndex，继续递归，直到找满max个元素即可。这里注意，找到一个可以被maxValue整数的值之后，不一定就是要找的循环，必须再判断1层dp[i] == maxSize - 1，否则可以出现错误，我们举个例子： 原数组为：[3,6,8,24] dp值为：[1,2,1,3] 此时，maxValue = 24，maxIndex = 3，所以从下标为2开始从后往前找，找到了8是可以被24整除的，但是显然8不是我们结果集合应该有的元素。如果加上判断1层dp[i] == maxSize - 1，就可以避免这个错误。
图解
代码
/**
* 分成2步
* 1、求出最大集合的元素数量
* 2、求出最大集合的每个元素
*/
public List<Integer> largestDivisibleSubset(int[] nums) {
List<Integer> ans = new ArrayList<>();
int len = nums.length;
// 下标i的数作为子集中最大数，dp[i]表示子集的最大大小
// 对于j in [0, i-1]，如果nums[i] % nums[j] == 0, dp[i] = max(dp[j]+1)
// 如果都无法整除 dp[i] = 1
int[] dp = new int[len];
Arrays.sort(nums);
dp[0] = 1;
int max = dp[0];
int maxIndex = 0;
int maxVal = nums[0];
for (int i = 1; i < len; i++) {
int temp = 1;
for (int j = 0; j < i; j++) {
if (nums[i]%nums[j] == 0 && dp[j] + 1 > temp) {
temp = dp[j] + 1;
}
}
dp[i] = temp;
if (dp[i] > max) {
max = dp[i];
maxIndex = i;
maxVal = nums[i];
}
}
// 回查原数组，找到最大的集合
ans.add(nums[maxIndex]);
int maxSize = max;
while (ans.size() < max) {
for (int i = maxIndex-1; i >= 0; i--) {
if (maxVal%nums[i] == 0 && dp[i] == maxSize - 1) {
ans.add(nums[i]);
maxVal = nums[i];
maxIndex = i;
maxSize--;
break;
}
}
}
return ans;
}
耗时
