LeetCode-Book 详解剑指 Offer 14-II 剪绳子 II：基于均值不等式的切分策略与大数求余（快速幂取模）
【免费下载链接】LeetCode-Book《剑指 Offer》《图解算法数据结构》《Krahets 笔面试精选 88 题》Python, Java, C++ 解题代码项目地址: https://gitcode.com/GitHub_Trending/le/LeetCode-Book
本文基于 LeetCode-Book 仓库中《剑指 Offer》部分的 剑指 Offer 14- II. 剪绳子 II 解析文档，系统讲解"剪绳子 II"这道经典的数学推导型动态规划变形题：如何通过算术几何均值不等式证明"尽可能等分为 3"是最优切分策略，以及当n很大时如何用循环求余与快速幂求余在int范围内安全计算3^a % 1000000007。读完后你将掌握完整的数学推导链条、三种余数情形的切分规则，以及 Python / Java / C++ 三种语言的参考实现细节。
问题背景：与"剪绳子 I"的关系
本题与 剑指 Offer 14- I. 剪绳子 主体等价，唯一不同在于本题目涉及大数越界情况下的求余问题：原书建议先做上一道题（其参考实现见 sfo_14i_cut_the_rope_i_s1.py），在此基础上再研究本题的大数求余方法。
题目的数学本质是：设将长度为 $n$ 的绳子切为 $a$ 段：
$$ n = n_1 + n_2 + ... + n_a $$
本题等价于求解各段长度的最大乘积：
$$ \max(n_1 \times n_2 \times ... \times n_a) $$
并且由于本题结果可能极大，最终需要对质数模数 $p = 1000000007$ 取余返回。
数学推导：为什么最优切段长度是 3
原书的推导总体分为两步：① 当所有绳段长度相等时，乘积最大；② 最优的绳段长度为 $3$。
推论一：等分多段时乘积最大
依据"算术几何均值不等式"，等号当且仅当 $n_1 = n_2 = ... = n_a$ 时成立：
$$ \frac{n_1 + n_2 + ... + n_a}{a} \geq \sqrt[a]{n_1 n_2 ... n_a} $$
推论一：将绳子以相等的长度等分为多段，得到的乘积最大。
推论二：最优段长为 3（而非 2）
设将绳子按照 $x$ 长度等分为 $a$ 段，即 $n = ax$，则乘积为 $x^a$。由于 $n$ 为常数，因此当 $x^{\frac{1}{x}}$ 取最大值时，乘积达到最大值：
$$ x^a = x^{\frac{n}{x}} = (x^{\frac{1}{x}})^n $$
问题转化为求 $y = x^{\frac{1}{x}}$ 的极大值，对 $x$ 求导：
$$ \begin{aligned} \ln y & = \frac{1}{x} \ln x & \text{取对数} \ \frac{1}{y} \dot {y} & = \frac{1}{x^2} - \frac{1}{x^2} \ln x & \text{对 $x$ 求导} \ & = \frac{1 - \ln x}{x^2} \ \dot {y} & = \frac{1 - \ln x}{x^2} x^{\frac{1}{x}} & \text{整理得} \end{aligned} $$
令 $\dot {y} = 0$，得 $1 - \ln x = 0$，驻点为 $x_0 = e \approx 2.7$。由导数符号变化可知 $x_0$ 为极大值点：
$$ \dot {y} \begin{cases}
0 & , x \in [- \infty, e) \ < 0 & , x \in (e, \infty] \end{cases} $$
由于切分长度 $x$ 必须为整数，最接近 $e$ 的整数为 $2$ 或 $3$。代入对比：
$$ y(3) = 3^{1/3} \approx 1.44, \quad y(2) = 2^{1/2} \approx 1.41 $$
口算对比技巧：给两数字同时取 $6$ 次方再对比：
$$ [y(3)]^6 = (3^{1/3})^6 = 9 > [y(2)]^6 = (2^{1/2})^6 = 8 $$
推论二：尽可能将绳子以长度 $3$ 等分为多段时，乘积最大。
切分规则与算法流程
综合两条推论，原书给出按优先级排列的切分规则：
- 最优：$3$。把绳子尽可能切为多个长度为 $3$ 的片段，留下的最后一段绳子长度可能为 $0$、$1$、$2$ 三种情况；
- 次优：$2$。若最后一段绳子长度为 $2$，则保留，不再拆为 $1+1$；
- 最差：$1$。若最后一段绳子长度为 $1$，则应把一份 $3 + 1$ 替换为 $2 + 2$，因为 $2 \times 2 > 3 \times 1$。
据此，算法流程分为两个分支（设求余操作符号为 "$\odot$"）：
分支 1：$n \leq 3$。按照规则本应不切分，但题目要求必须剪成 $m > 1$ 段，因此必须剪出一段长度为 $1$ 的绳子，直接返回 $n - 1$（即cuttingRope(2) = 1、cuttingRope(3) = 2）。
分支 2：$n > 3$。求 $n$ 除以 $3$ 的整数部分 $a$ 和余数部分 $b$（即 $n = 3a + b$），分三种情况处理：
| 余数 $b$ | 切分形态 | 返回结果 |
|---|---|---|
| $0$ | $a$ 段长度为 $3$ | $3^a \odot 1000000007$ |
| $1$ | 一个 $1+3$ 转换为 $2+2$ | $(3^{a-1} \times 4) \odot 1000000007$ |
| $2$ | $a$ 段长度为 $3$，另留一段 $2$ | $(3^a \times 2) \odot 1000000007$ |
以仓库测试用例n = 10验证：$10 = 3 \times 3 + 1$，触发 $b=1$ 情形，切分为 $3 + 3 + 4$，乘积 $3 \times 3 \times 4 = 36$，三种语言实现的驱动代码均以该输入运行并输出36（见下文源码部分）。
大数求余：本题真正的难点
为什么需要大数求余
- 大数越界：当 $a$ 增大时，最终返回的 $3^a$ 以指数级别增长，可能超出
int32甚至int64的取值范围，导致返回值错误； - 大数求余问题：在仅使用
int32类型存储的前提下，正确计算 $x^a$ 对 $p$ 求余（即 $x^a \odot p$）的值； - 解决方案：循环求余、快速幂求余。后者时间复杂度更低，两种方法均基于以下求余运算规则推出：
$$ (xy) \odot p = [(x \odot p)(y \odot p)] \odot p $$
方法一：循环求余（时间复杂度 O(N)）
根据求余运算性质推出（因为本题中 $x < p$，所以 $x \odot p = x$）：
$$ x^a \odot p = [(x ^{a-1} \odot p)(x \odot p)] \odot p = [(x ^{a-1} \odot p)x] \odot p $$
利用此公式，可通过循环依次求 $x^1, x^2, ..., x^{a-1}, x^a$ 对 $p$ 的余数，保证每轮中间值rem都在int32取值范围中：
# 求 (x^a) % p —— 循环求余法 def remainder(x, a, p): rem = 1 for _ in range(a): rem = (rem * x) % p return rem时间复杂度 $O(N)$，其中 $N = a$，为循环的线性复杂度。
方法二：快速幂求余（时间复杂度 O(log N)）
根据求余运算性质可推出：
$$ x^a \odot p = (x^2)^{a/2} \odot p = (x^2 \odot p)^{a / 2} \odot p $$
当 $a$ 为奇数时 $a/2$ 不是整数（//代表向下取整除法），分两种情况：
$$ {x^a \odot p = } \begin{cases} (x^2 \odot p)^{a // 2} \odot p & \text{, $a$ 为偶数} \ {[(x \odot p)(x ^{a-1} \odot p)] \odot p = [x(x^2 \odot p)^{a//2}] \odot p} & \text{, $a$ 为奇数} \end{cases} $$
核心思想是：每次把指数问题从 $a$ 降低至 $a//2$，只需循环 $\log_2 N$ 次，复杂度降为对数级别。原书封装的参考方法如下：
# 求 (x^a) % p —— 快速幂求余 def remainder(x, a, p): rem = 1 while a > 0: if a % 2: rem = (rem * x) % p x = x ** 2 % p a //= 2 return rem帮助理解（原书示例表格）：初始状态 $rem=1, x=3, a=19, p=1000000007$，循环将 $rem \times (x^a \odot p)$ 逐步化为 $rem \times (x^0 \odot p) = rem \times 1$ 的形式，即rem为余数答案：
| $n$ | $rem \times (x^a \odot p)$ | $rem_n=rem_{n-1} \times x_{n-1} \odot p$ | $x_n=x_{n-1}^2 \odot p$ | $a_n=a_{n-1}//2$ |
|---|---|---|---|---|
| $1$ | $1 \times (3^{19} \odot p)$ | $1$ | $3$ | $19$ |
| $2$ | $3 \times (9^{9} \odot p)$ | $3=1\times3\odot p$ | $9=3^2 \odot p$ | $9=19//2$ |
| $3$ | $27 \times (81^{4} \odot p)$ | $27 = 3 \times 9 \odot p$ | $81=9^2\odot p$ | $4=9//2$ |
| $4$ | $27 \times (6561^{2} \odot p)$ | $27$ | $6561=81^2 \odot p$ | $2=4//2$ |
| $5$ | $27 \times (43046721^{1} \odot p)$ | $27$ | $43046721=6561^2 \odot p$ | $1=2//2$ |
| $6$ | $162261460 \times (175880701^{0} \odot p)$ | $162261460=27 \times 43046721 \odot p$ | $175880701=43046721^2 \odot p$ | $0=1//2$ |
参考实现：三种语言的完整代码
原书特别指出了语言差异这一工程细节：
- Python：由于语言特性，理论上变量取值范围由系统内存大小决定（无限大），其实不需要考虑大数越界问题；
- Java / C++：根据快速幂计算原理，至少要保证变量
x和rem可以正确存储 $1000000007^2$，而 $2^{64} > 1000000007^2 > 2^{32}$，因此必须选取long类型（long为 64 位），乘法中间量才不会溢出。
Python：快速幂求余版
这是原书主推的"带求余过程"写法（仓库实现：sfo_14ii_cut_the_rope_ii_s1.py）。一个值得注意的实现技巧是：循环的指数取a = n // 3 - 1（比数学推导少 1 个 3），把最后一段 $3^1$ 留到循环外与余数部分合并处理——这样循环结束后rem = 3^{n//3 - 1} % p，三种余数情形分别再乘3、4、6即可：
class Solution: def cuttingRope(self, n: int) -> int: if n <= 3: return n - 1 a, b, p, x, rem = n // 3 - 1, n % 3, 1000000007, 3 , 1 while a > 0: if a % 2: rem = (rem * x) % p x = x ** 2 % p a //= 2 if b == 0: return (rem * 3) % p # = 3^(a+1) % p if b == 1: return (rem * 4) % p # = 3^a * 4 % p return (rem * 6) % p # = 3^(a+1) * 2 % p仓库中该文件的驱动代码以n = 10为测试用例，可直接运行验证输出36。
Python：利用大整数特性的简化版
仓库另一实现（sfo_14ii_cut_the_rope_ii_s2.py）利用 Python 大整数直接3 ** a后取余，逻辑与"切分规则"一一对应，可读性更强：
# 由于语言特性，Python 可以不考虑大数越界问题 class Solution: def cuttingRope(self, n: int) -> int: if n <= 3: return n - 1 a, b, p = n // 3, n % 3, 1000000007 if b == 0: return 3 ** a % p if b == 1: return 3 ** (a - 1) * 4 % p return 3 ** a * 2 % pJava / C++：long 防溢出版
两语言实现几乎逐行一致（仓库实现：Java 版、C++ 版），核心是long rem = 1, x = 3两个 64 位变量承载x * x（最大约 $10^{18} < 2^{63}$）这类中间乘积：
class Solution { public int cuttingRope(int n) { if(n <= 3) return n - 1; int b = n % 3, p = 1000000007; long rem = 1, x = 3; for(int a = n / 3 - 1; a > 0; a /= 2) { if(a % 2 == 1) rem = (rem * x) % p; x = (x * x) % p; } if(b == 0) return (int)(rem * 3 % p); if(b == 1) return (int)(rem * 4 % p); return (int)(rem * 6 % p); } }class Solution { public: int cuttingRope(int n) { if(n <= 3) return n - 1; int b = n % 3, p = 1000000007; long rem = 1, x = 3; for(int a = n / 3 - 1; a > 0; a /= 2) { if(a % 2 == 1) rem = (rem * x) % p; x = (x * x) % p; } if(b == 0) return (int)(rem * 3 % p); if(b == 1) return (int)(rem * 4 % p); return (int)(rem * 6 % p); } };从源码结构看，Java 与 C++ 版本均使用for (int a = n / 3 - 1; a > 0; a /= 2)的 for 循环形态等价替代 Python 的while快速幂骨架，语义完全一致。
复杂度分析
以下为快速幂（二分求余）法的复杂度结论，与原书一致：
- 时间复杂度 $O(\log_2 N)$：其中 $N = a$。二分法为对数级别复杂度，每轮仅有求整、求余、次方运算。原书引用公开资料认为：不超过机器字长的整数的求整/求余运算可视为 $O(1)$，整型取幂（在快速幂中退化为单次乘法）同理视为 $O(1)$；
- 空间复杂度 $O(1)$：变量
a, b, p, x, rem使用常数大小的额外空间。
小结与延伸阅读
本题的解题链条可以概括为：均值不等式证明等分最优 → 求导得到 $e \approx 2.7$ → 整数约束下比较 $2^{1/2}$ 与 $3^{1/3}$ 锁定段长 3 → 按余数 0/1/2 处理尾段（3+1 → 2+2的关键替换）→ 快速幂取模保证大数安全。其中 $b = 1$ 时"借一个 3 凑成 2+2"的处理是本算法最容易出错的细节，建议结合 $n \in {2, 3, 4, 5, 7, 10}$ 等边界样例逐一验证。
在 LeetCode-Book 仓库中，本篇的完整解析文档位于 sword_for_offer/docs/剑指 Offer 14- II. 剪绳子 II.md，前置题目 剑指 Offer 14- I. 剪绳子 的数学推导部分与本文同源，可作为对照阅读；三种语言的完整可运行实现分别存放在sword_for_offer/codes/python/、sword_for_offer/codes/java/、sword_for_offer/codes/cpp/目录下，均附带n = 10的驱动测试代码，可直接编译运行复核上述推导。
【免费下载链接】LeetCode-Book《剑指 Offer》《图解算法数据结构》《Krahets 笔面试精选 88 题》Python, Java, C++ 解题代码项目地址: https://gitcode.com/GitHub_Trending/le/LeetCode-Book
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
