M = 10 ** 6 + 1
np = [0] * M
pfs=[2,3,5,7,11,13,17,19,23,29,31,37,41,43,47,53,59,61,67,71,73,79,83,89,97,101,103,107,109,113,127,131,137,139,149,151,157,163,167,173,179,181,191,193,197,199,211,223,227,229,233,239,241,251,257,263,269,271,277,281,283,293,307,311,313,317,331,337,347,349,353,359,367,373,379,383,389,397,401,409,419,421,431,433,439,443,449,457,461,463,467,479,487,491,499,503,509,521,523,541,547,557,563,569,571,577,587,593,599,601,607,613,617,619,631,641,643,647,653,659,661,673,677,683,691,701,709,719,727,733,739,743,751,757,761,769,773,787,797,809,811,821,823,827,829,839,853,857,859,863,877,881,883,887,907,911,919,929,937,941,947,953,967,971,977,983,991,997]
for p in pfs:
for i in range(p*p,M,p):
np[i]=p
class Solution:
def splitArray(self, nums: List[int]) -> int:
f = {}
pre = 0
for i,x in enumerate(nums):
cur = 100001
while np[x]: #如果还存在小于1000的质因素
# p = np[x] #当前质因素
# while x % p == 0:
# x //= p
f[np[x]] = min(f.get(np[x],100001),pre + 1) #跳跃到fac这个因子,需要多少步 f[fac]。
cur = min(cur,f[np[x]])
x//=np[x]
if x>1: # 如果存在大于1000的质因素
f[x] = min(f.get(x,100001),pre + 1)
cur = min(cur,f[x])
pre = cur
return cur
Explain
本题解采用动态规划的思想以及预处理的方法来解决问题。首先,通过一个预处理步骤,使用筛法计算每个数字的最小质因子。这个预处理步骤是基于一个修改版的埃拉托斯特尼筛法,只针对较小的质数。对于数组中的每个数字,我们使用预处理的结果来快速找到它的所有质因子,并且通过动态规划的方式计算如何分割数组以满足题目要求。动态规划的状态 f[p] 表示最后一个使用质数 p 作为头尾最大公约数的子数组所形成的最小切割数。对于每个数字 x,我们更新它的所有质因子对应的状态,然后找出最小的切割数作为当前位置的结果,并不断向前推进。
时间复杂度: O(n log x)
空间复杂度: O(M)
M = 10 ** 6 + 1
np = [0] * M
pfs=[2,3,5,7,...,997] # 列出了所有小于1000的质数
for p in pfs:
for i in range(p*p, M, p):
np[i]=p # 使用修改的埃拉托斯特尼筛法计算最小质因子
class Solution:
def splitArray(self, nums: List[int]) -> int:
f = {} # 动态规划状态存储
pre = 0 # 记录当前的最小切割数
for i, x in enumerate(nums):
cur = 100001 # 初始化当前位置的最小切割数
while np[x]: # 遍历 x 的所有质因子
f[np[x]] = min(f.get(np[x], 100001), pre + 1) # 更新使用当前质因子的最小切割数
cur = min(cur, f[np[x]]) # 更新当前位置的最小切割数
x //= np[x] # 除去当前质因子
if x > 1: # 如果 x 有大于1000的质因子
f[x] = min(f.get(x, 100001), pre + 1)
cur = min(cur, f[x])
pre = cur # 更新前一个位置的最小切割数
return cur # 返回最终的最小切割数