Day41:动态规划 爬楼梯（进阶版）LeedCode:322. 零钱兑换 279.完全平方数 139.单词拆分

322. 零钱兑换

给你一个整数数组 coins ，表示不同面额的硬币；以及一个整数 amount ，表示总金额。

计算并返回可以凑成总金额所需的 最少的硬币个数 。如果没有任何一种硬币组合能组成总金额，返回 -1 。

你可以认为每种硬币的数量是无限的。

示例 1：

输入：coins = [1, 2, 5], amount = 11
输出：3 
解释：11 = 5 + 5 + 1

示例 2：

输入：coins = [2], amount = 3
输出：-1

示例 3：

输入：coins = [1], amount = 0
输出：0

提示：

• 1 <= coins.length <= 12
• 1 <= coins[i] <= 231 - 1
• 0 <= amount <= 104

思路:本题中每种硬币的数量是无限的,可以抽象成一道完全背包的问题

动态规划五部曲:

1.确定dp[j]的含义:

dp[j]:装满表示容量为j的物品,最少要几个物品

2.确定递推公式:

1).不放该硬币:dp[j]

2).放该硬币:dp[j-coins[i]]+1

dp[j]=min(dp[j],dp[j-coins[i]]+1)

3.dp数组如何初始化

求最少硬币数,为了防止覆盖,先将dp数组都设为Integer.MAX_VALUE

dp[0]=0;凑成0元只要0个硬币

4.遍历顺序

一层循环遍历物品,一层循环遍历背包容量,哪层循环放外面?

Day44:动态规划 LeedCode 完全背包 518. 零钱兑换 II 377. 组合总和 Ⅳ-CSDN博客这篇文章有讲

由于本题中不同顺序算同一方法,所以应该用遍历背包容量在内层循环,遍历物品在外部循环

5.举例推导

二维数组:

格外注意这些条件:

     if(j>=coins[i]&&dp[i][j-coins[i]]!=Integer.MAX_VALUE)
       dp[i][j]=Math.min(dp[i-1][j],dp[i][j-coins[i]]+1);

class Solution {
    public int coinChange(int[] coins, int amount) {
   int[][] dp=new int[coins.length][amount+1];//前i种硬币凑出j的最少硬币个数
   for(int i=0;i<dp.length;i++){
    Arrays.fill(dp[i],Integer.MAX_VALUE);
   }
   //初始化
   dp[0][0]=0;
   for(int i=coins[0];i<=amount;i++){
    if(dp[0][i-coins[0]]!=Integer.MAX_VALUE)
    dp[0][i]=dp[0][i-coins[0]]+1;
    }
    for(int i=1;i<coins.length;i++){
        for(int j=0;j<=amount;j++){
            if(j>=coins[i]&&dp[i][j-coins[i]]!=Integer.MAX_VALUE)
       dp[i][j]=Math.min(dp[i-1][j],dp[i][j-coins[i]]+1);
       else{
            dp[i][j]=dp[i-1][j];
       }
        }
    }
   return dp[coins.length-1][amount]==Integer.MAX_VALUE?-1:dp[coins.length-1][amount];
}
}

一维数组:

class Solution {
    public int coinChange(int[] coins, int amount) {
    int[] dp=new int[amount+1];//dp[i]凑成i最少多少种方法
    Arrays.fill(dp,Integer.MAX_VALUE);
    dp[0]=0;
    for(int i=0;i<coins.length;i++){
        for(int j=coins[i];j<=amount;j++){
            if(dp[j-coins[i]]!=Integer.MAX_VALUE)
            dp[j]=Math.min(dp[j],dp[j-coins[i]]+1);
        }
    }
    return dp[amount]==Integer.MAX_VALUE?-1:dp[amount];
}
}

 

---

279. 完全平方数

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

 

思考:

本题和上一题类似,转化为完全背包问题

1.确定dp[j]的含义:

dp[j]:装满表示容量为j的物品,最少要几个物品

凑成整数n,至少需要几个完全平方数

2.确定递推公式:

1).不放i*i:dp[j]

2).放i*i:dp[j-i*i]+1

dp[j]=min(dp[j],dp[j-i*i]+1)

3.dp数组如何初始化

求最少完全平方数,为了防止覆盖,先将dp数组都设为Integer.MAX_VALUE

dp[0]=0;凑成0只要0个完全平方数

4.遍历顺序

一层循环遍历物品,一层循环遍历背包容量,哪层循环放外面?

Day44:动态规划 LeedCode 完全背包 518. 零钱兑换 II 377. 组合总和 Ⅳ-CSDN博客这篇文章有讲

由于本题中不同顺序算同一方法,所以应该用遍历背包容量在内层循环,遍历物品在外部循环

5.举例推导

代码参考:

由于本题一定能凑出目标数,所以不需要判断dp[j-i*i]是否等于Integer.MAX_VALUE

class Solution {
    public int numSquares(int n) {
      int[] dp=new int[n+1];
      Arrays.fill(dp,Integer.MAX_VALUE);
      dp[0]=0;
      for(int i=1;i*i<=n;i++){
          for(int j=i*i;j<=n;j++){
            if(dp[j-i*i]!=Integer.MAX_VALUE)
            dp[j]=Math.min(dp[j],dp[j-i*i]+1);
          }
      }
      return dp[n];
    }
}

---

139. 单词拆分

给你一个字符串 s 和一个字符串列表 wordDict 作为字典。如果可以利用字典中出现的一个或多个单词拼接出 s 则返回 true。

注意：不要求字典中出现的单词全部都使用，并且字典中的单词可以重复使用。

示例 1：

输入: s = "leetcode", wordDict = ["leet", "code"]
输出: true
解释: 返回 true 因为 "leetcode" 可以由 "leet" 和 "code" 拼接成。

示例 2：

输入: s = "applepenapple", wordDict = ["apple", "pen"]
输出: true
解释: 返回 true 因为 "applepenapple" 可以由 "apple" "pen" "apple" 拼接成。
     注意，你可以重复使用字典中的单词。

示例 3：

输入: s = "catsandog", wordDict = ["cats", "dog", "sand", "and", "cat"]
输出: false

提示：

• 1 <= s.length <= 300
• 1 <= wordDict.length <= 1000
• 1 <= wordDict[i].length <= 20
• s 和 wordDict[i] 仅由小写英文字母组成
• wordDict 中的所有字符串 互不相同

思路:

本题可转化为完全背包问题,单词就是物品，字符串s就是背包，单词能否组成字符串s，就是问物品能不能把背包装满。

动态规划五部曲:

1.确定下标i与dp[j]的含义

dp[i];表示字符串长度为i时,是否可拆分为一个或多个在字典中出现的单词

2.确定递推公式

如果确定dp[j] 是true，且 [j, i) 这个区间的子串出现在字典里，那么dp[i]一定是true。（j < i ）。

所以递推公式是 if(dp[j]&&[j, i) 这个区间的子串出现在字典里) dp[i]=true;

3.初始化

dp[0]就是递推的根基，dp[0]一定要为true，否则递推下去后面都都是false

下标非0的dp[i]初始化为false

4.确定遍历顺序

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。

本题是求排列,不同顺序算不同情况

5.举例

代码参考:

class Solution {
    public boolean wordBreak(String s, List<String> wordDict) {
      boolean[] dp = new boolean[s.length()+1];//dp[i]在[0,i)这个区间内,是否为true
      //初始化
      dp[0]=true;
      for(int i=1;i<=s.length();i++){
        for(int j=0;j<i;j++){
            if(wordDict.contains(s.substring(j,i))&&dp[j]){
                dp[i]=true;
            }
        }
      }
      return dp[s.length()];
    }
}

回溯法:

class Solution {
    public boolean wordBreak(String s, List<String> wordDict) {
     return backTracking(0,s,wordDict);

    }

    public boolean backTracking(int stardIndex,String s,List<String> wordDict){
        if(stardIndex>=s.length()){
            return true;
        }
        for(int i=stardIndex+1;i<=s.length();i++){
            String temp= s.substring(stardIndex,i);
            if(wordDict.contains(temp)&&backTracking(i,s,wordDict)){
                return true;
            }
        }
        return false;
    }

}

 上一种方法超时

回溯法优化:记忆化搜索,使用memory数组保存每次计算的以startIndex起始的计算结果，如果memory[startIndex]里已经被赋值了，直接用memory[startIndex]的结果。

class Solution {
   int[] memory;
    public boolean wordBreak(String s, List<String> wordDict) {
        memory=new int[s.length()+1];
     return backTracking(0,s,wordDict);

    }

    public boolean backTracking(int stardIndex,String s,List<String> wordDict){
        if(stardIndex>=s.length()){
            return true;
        }
        if(memory[stardIndex]==-1) return false;
        for(int i=stardIndex+1;i<=s.length();i++){
            String temp= s.substring(stardIndex,i);
            if(wordDict.contains(temp)&&backTracking(i,s,wordDict)){
                return true;
            }
        }
        memory[stardIndex]=-1;
        return false;
    }

}

---

 背包问题总结:

1.

01背包:

二维dp数组01背包先遍历物品还是先遍历背包都是可以的，如果先遍历容量则第二层for循环是从小到大遍历

一维dp数组01背包只能先遍历物品再遍历背包容量，且第二层for循环是从大到小遍历。

2.

完全背包

与01背包不同之处在于物品可无限取

内层循环一定是从小到大遍历的

纯完全背包,先遍历物品还是先遍历背包都是可以的

变形完全背包

求组合数(换零钱):先遍历物品

求排列数(组合总和IV):先遍历容量

求最小数:

为了防止覆盖,先将dp数组都设为Integer.MAX_VALUE