今日主要总结一下动态规划完全背包的一道题目,279. 完全平方数
题目:279. 完全平方数
Leetcode题目地址
题目描述:
给你一个整数 n ,返回 和为 n 的完全平方数的最少数量 。
完全平方数 是一个整数,其值等于另一个整数的平方;换句话说,其值等于一个整数自乘的积。例如,1、4、9 和 16 都是完全平方数,而 3 和 11 不是。
示例 1:
输入:n = 12
输出:3
解释:12 = 4 + 4 + 4
示例 2:
输入:n = 13
输出:2
解释:13 = 4 + 9
提示:
1 <= n <= 104
本题重难点
可能刚看这种题感觉没啥思路,又平方和的,又最小数的。
而这道题的难点就是把问题转化成熟悉的背包问题!!!
题目可以这样转化:完全平方数就是物品(可以无限件使用),凑个正整数n就是背包,问凑满这个背包最少有多少物品?
感受出来了没,这么浓厚的完全背包氛围,而且上一篇讲的题目一文搞懂完全背包之322. 零钱兑换问题基本就是一样的,代码只需要微微改动一下即可!
动规五部曲分析如下:
-
确定dp数组(dp table)以及下标的含义
dp[j]:和为j的完全平方数的最少数量为dp[j] -
确定递推公式
dp[j] 可以由dp[j - i * i]推出, dp[j - i * i] + 1 便可以凑成dp[j]。
此时我们要选择最小的dp[j],所以递推公式:dp[j] = min(dp[j - i * i] + 1, dp[j]); -
dp数组如何初始化
dp[0]表示 和为0的完全平方数的最小数量,那么dp[0]一定是0。
有同学问题,那0 * 0 也算是一种啊,为啥dp[0] 就是 0呢?
看题目描述,找到若干个完全平方数(比如 1, 4, 9, 16, …),题目描述中可没说要从0开始,dp[0]=0完全是为了递推公式。
非0下标的dp[j]应该是多少呢?
从递归公式dp[j] = min(dp[j - i * i] + 1, dp[j]);中可以看出每次dp[j]都要选最小的,所以非0下标的dp[j]一定要初始为最大值,这样dp[j]在递推的时候才不会被初始值覆盖。 -
确定遍历顺序
我们知道这是完全背包,
如果求组合数就是外层for循环遍历物品,内层for遍历背包。
如果求排列数就是外层for遍历背包,内层for循环遍历物品。
在一文搞懂完全背包之322. 零钱兑换问题中我们就深入探讨了这个问题,本题也是一样的,是求最小数!
所以本题外层for遍历背包,内层for遍历物品,还是外层for遍历物品,内层for遍历背包,都是可以的! -
举例推导dp数组
已输入n为5例,dp状态图如下:
C++代码
class Solution {
public:
int numSquares(int n) {
vector<int>dp(n + 1, INT_MAX);
dp[0] = 0;
for(int i = 1; i * i <= n; i++){
for(int j = i * i; j <= n; j++){
dp[j] = min(dp[j], dp[j - i * i] + 1);
}
}
return dp[n];
}
};
总结
动态规划
英文:Dynamic Programming,简称DP,如果某一问题有很多重叠子问题,使用动态规划是最有效的。
动态规划中每一个状态一定是由上一个状态推导出来的,这一点就区分于贪心,贪心没有状态推导,而是从局部直接选最优的
对于动态规划问题,可以拆解为如下五步曲,这五步都搞清楚了,才能说把动态规划真的掌握了!
- 确定dp数组(dp table)以及下标的含义
- 确定递推公式
- dp数组如何初始化
- 确定遍历顺序
- 举例推导dp数组
这篇文章主要总结了一些动态规划解决279. 完全平方数问题,依然是使用动规五部曲,做每道动态规划题目这五步都要弄清楚才能更清楚的理解题目!
判断如何初始化重要一点就是看dp是取之前状态最小值还是最大值,如果最小值就大概率INT_MAX,最大值就大概率0。
在求装满背包有几种方案的时候,认清遍历顺序是非常关键的。
-
如果求组合数就是外层for循环遍历物品,内层for遍历背包。(也就是0-1背包一维dp数组常用写法)
-
如果求排列数就是外层for遍历背包,内层for循环遍历物品。
而本题是要求使用完全平方数的最少数量,是组合数还是排列数都无所谓!所以两个for循环先后顺序怎样都可以!
如果大家认真做了昨天的题目一文搞懂完全背包之322. 零钱兑换问题,今天这道就非常简单了,一样的套路一样的味道。
欢迎大家关注本人公众号:编程复盘与思考随笔
(关注后可以免费获得本人在csdn发布的资源源码)