312. 戳气球

1. 题目链接

2. 解题思路

   • 暴力递归，一个很容易想到的方法就是，「先戳哪个气球」，process(L, R)，[L, R]上，返回能得到的最大硬币数目。
     • 一个for循环，枚举，「先戳哪个气球」，但是有问题，假如先戳i号气球，接下来的递归怎么调用？process(L, i - 1) + process(i + 1, R)这样？这是错误的，因为你在递归调用process(L, i - 1)的时候，假设现在是先戳i - 1号球，那么i - 1号球得到的硬币是多少？你不知道！因为右边还有一个递归process(i + 1, R)，你不知道右边的气球是怎么爆炸的。
   • 枚举的方法是，「最后戳爆哪个气球」，process(L, R)，假如最后戳爆i号球，那么i号球得到的硬币是nums[i] * nums[L - 1] * nums[R - 1]，然后递归调用process(L, i - 1) + process(i + 1, R)，这次为什么可以这样递归调用了？因为最后戳爆i号球，你在调用process(L, i - 1)时，右边肯定有一个i号球，所以就不需要管右边的是怎么爆炸的了。
     • 有一个细节，process(L, R)，先戳爆i号球，你怎么知道L-1还有球？你怎么知道R + 1还有球？所以为了避免这种情况，我们在原来的nums中，在开头加入一个「1」， 在末尾加一个「1」，这样就保证了，无论你何时戳爆一个气球，左右两边都一定有一个球，并且这些球不会影响结果。
   • 又是两个参数，所以，直接加缓存，就是动态规划了。

3. 代码

   class Solution {
   public:
       int process(vector<int> &nums, int L, int R, vector<vector<int>> &dp) {
           if (L > R) {
               return 0;
           }
           if (L == R) {
               return nums[L] * nums[L - 1] * nums[R + 1];
           }
           if (dp[L][R] != -1) {
               return dp[L][R];
           }
           int ans = 0;
           for (int i = L; i <= R; ++i) {
               int next = process(nums, L, i - 1, dp) + process(nums, i + 1, R, dp) + nums[i] * nums[L - 1] * nums[R + 1];
               ans = max(ans, next);
           }
           dp[L][R] = ans;
           return ans;
       }
   
       int maxCoins(vector<int>& nums) {
           vector<int> newNums;
           newNums.push_back(1);
           for (auto &it : nums) {
               newNums.push_back(it);
           }
           newNums.push_back(1);
           int n = newNums.size();
           vector<vector<int>> dp(n, vector<int>(n, -1));
           return process(newNums, 1, n - 2, dp);
       }
   };
   

4. 说明，「自顶向下」的动态规划，和「自底向上」的动态规划，本质上是没有区别的，「自底向上」的动态规划就是我们常说的dp，然后有状态转移方程，「自底向上」的动态规划，有时可以优化，为啥？因为「自顶向上」的动态规划，其中用了for循环来枚举，有些情况，这种「循环枚举」可以优化。

5. 「自底向上」动态规划代码。状态转移方程怎么来的？其实也是暴力递归来的。dp[i][j]等于多少，其实就是等于process(i, j)，也就是说「自底向上」的动态规划，本质上就是先写出暴力递归代码，然后再改成「自底向上」的。具体怎么改的，看下面代码中的注释。

   class Solution {
   public:
       int process(vector<int> &nums, int L, int R, vector<vector<int>> &dp) {
           if (L > R) {
               return 0;
           }
           if (L == R) {
               return nums[L] * nums[L - 1] * nums[R + 1];
           }
           if (dp[L][R] != -1) {
               return dp[L][R];
           }
           int ans = 0;
           for (int i = L; i <= R; ++i) {
               int next = process(nums, L, i - 1, dp) + process(nums, i + 1, R, dp) + nums[i] * nums[L - 1] * nums[R + 1];
               ans = max(ans, next);
           }
           dp[L][R] = ans;
           return ans;
       }
   
       int maxCoins(vector<int>& nums) {
           vector<int> newNums;
           newNums.push_back(1);
           for (auto &it : nums) {
               newNums.push_back(it);
           }
           newNums.push_back(1);
           int n = newNums.size();
           vector<vector<int>> dp(n, vector<int>(n, 0));
           // 其实dp就是一张二维表，把这张表填好，然后返回我们想要的dp[1][n-2]就行了
           // 为什么想要dp[1][n-2]?因为暴力递归返回的就是process(newNums, 1, n - 2, dp)
           // 也就是说   dp[1][n - 2] == process(newNums, 1, n - 2, dp)
           // 怎么开始填呢？    根据暴力递归的终止条件
           
           for (int i = 1; i <= n - 2; ++i) {    // 暴力递归中的L == R
               dp[i][i] = newNums[i] * newNums[i - 1] * newNums[i + 1];
           }
           // 接下来怎么填这张表  我们看暴力递归是怎么展开的
           // int ans = 0;
           // for (int i = L; i <= R; ++i) {
           //     int next = process(nums, L, i - 1, dp) + process(nums, i + 1, R, dp) + nums[i] * nums[L - 1] * nums[R + 1];
           //     ans = max(ans, next);
           // }
           // 任意一个dp[L][R] =
           //    for (int i = L; i <= R; ++i) {
           //          int next = dp[L][i - 1] + dp[i + 1][R] + nums[i] * nums[L - 1] * nums[R + 1];
           //          dp[L][R] = max(dp[L][R], next);
           //    }
           // 一张二维表  我们要怎么填，因为我们的终止条件是对角线，然后我们需要的是右上角的位置
           // 所以我们填表的顺序是一条一条斜线填
           for (int k = 1; k < n - 1; ++k) {
               for (int j = 1; j + k < n - 1; ++j) {
                   dp[j][j + k] = 0;
                   for (int i = j; i <= j + k; ++i) {
                       dp[j][j + k] = max(dp[j][j + k], dp[j][i - 1] + dp[i + 1][j + k] + newNums[i] * newNums[j - 1] * newNums[j + k + 1]);
                   }
               }
           }
           //return process(newNums, 1, n - 2, dp);
           return dp[1][n - 2];
       }
   };
   

6. 照这样说，「自底向上」这么难搞，每次都写「自顶向下」呗？不一定，「自底向上」的方法，有时候能根据依赖关系，把「循环枚举」去掉，这样就快了。