【算法题】279. 完全平方数-力扣(LeetCode)

【算法题】279. 完全平方数-力扣(LeetCode)

1.题目

下方是力扣官方题目的地址

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

2.题解

思路

这是一道典型的动态规划中的完全背包题

完全背包示例：

背包容量 c=13

物品重量        w=[1,2,3,4,5]

所对应的价值 v=[2,3,4,5,8]

完全背包里面的物品可以无限选

求如何选价值最大

这当然是都选第一个，价值：26

我们将这题类比于完全背包

我们以n=12为例：

里面的n就是完全背包中的c（背包容量）

价值是什么呢？

我们要求最小数量，而每家一个物品，数量就加一，所以这里面 的价值v恒等于1，即：

v=1

这题要求求最小价值

那么物品重量是什么呢？

当然就是小于等于n的完全平方数了，即：

w=[1,2,4,9]

把这题转换成完全背包后，我们直接套模板就行了

直观Python代码

class Solution(object):
    def numSquares(self, n):
        """
        :type n: int
        :rtype: int
        """
        ans=1
        w=[]
        v=1
        while ans**2<=n:
            w.append(ans**2)        # 生成完全平方数
            ans+=1
        dp=[[float('inf')]*(n+1) for _ in range(len(w)+1)]      # 初始化dp数组
        for i in range(len(w)+1):                               # 预处理一些已知的值
            dp[i][0]=0
        for i in range(1,len(w)+1):
            for j in range(1,n+1):                              # 套用模板
                dp[i][j]=dp[i-1][j]
                if j>=w[i-1]:dp[i][j]=min(dp[i][j],dp[i][j-w[i-1]]+v)
        return dp[-1][-1]

以上代码较为直观，但是比较复杂，我们可以对其进行优化：

优化思路

1. 空间优化：由于动态规划的状态转移方程只依赖于前一行的数据，可以将二维数组优化为一维数组。
2. 减少不必要的计算：在构建完全平方数列表时，可以直接使用一个列表来存储这些数，而不需要每次计算平方。

优化后的Python代码

class Solution(object):
    def numSquares(self, n):
        """
        :type n: int
        :rtype: int
        """
        # 生成所有小于等于 n 的完全平方数
        w = [i * i for i in range(1, int(n**0.5) + 1)]
        v=1
        # 初始化一维动态规划数组
        dp = [float('inf')] * (n + 1)
        dp[0] = 0
        
        # 动态规划填表
        for i in w:
            for j in range(i, n + 1):
                dp[j] = min(dp[j], dp[j - i] + v)
        
        return dp[n]

优化点解释

1. 生成完全平方数：
   • 使用列表推导式 w = [i * i for i in range(1, int(n**0.5) + 1)] 直接生成所有小于等于 n 的完全平方数。
   • 这样可以避免在每次循环中计算平方，提高效率。
2. 一维动态规划数组：
   • 将二维数组 dp 优化为一维数组 dp，只保留当前行的状态。
   • 初始化 dp 数组，dp[0] 设为 0，表示组成 0 的最少完全平方数为 0。
   • 遍历每个完全平方数 i，更新 dp 数组中的值。
3. 状态转移方程：
   • 对于每个完全平方数 i，更新 dp[j] 的值，其中 j 从 i 到 n。
   • 状态转移方程为 dp[j] = min(dp[j], dp[j - i] + v)，表示当前值 j 可以通过减去一个完全平方数 i 并加上 v 来得到。

3.结语

本人资历尚浅，发博客主要是记录与学习，欢迎大佬们批评指教！大家也可以在评论区多多交流，相互学习，共同成长。