377. 组合总和 Ⅳ
1.题目描述
- 给你一个由不同整数组成的数组 nums ,和一个目标整数 target 。请你从 nums 中找出并返回总和为 target 的元素组合的个数。
- 题目数据保证答案符合 32 位整数范围。
2.解题思路
- 动规五部曲:
- 确定dp数组以及下标的含义
- 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
- 1.确定dp数组以及下标的含义
- dp[i]: 凑成目标正整数为i的排列个数为dp[i]
- 2.确定递推公式
- 在动态规划:494.目标和 (opens new window)和 动态规划:518.零钱兑换II (opens new window)中我们已经讲过了,求装满背包有几种方法,递推公式一般都是dp[i] += dp[i - nums[j]];
- 本题也一样。
- 3.dp数组如何初始化
- 因为递推公式dp[i] += dp[i - nums[j]]的缘故,dp[0]要初始化为1,这样递归其他dp[i]的时候才会有数值基础。
- 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。
- 本题为排列数。
- 5.举例推导dp数组
- 我们再来用示例中的例子推导一下:
3.代码实现
class Solution {
//377. 组合总和 Ⅳ
public int combinationSum4(int[] nums, int target) {
//dp[i]: 凑成目标正整数为i的排列个数为dp[i]
int[] dp = new int[target + 1];
dp[0] = 1;
//完全背包:每个数可以使用多次,这是完全背包,内循环需要从前向后遍历。
//排列问题:(1, 1, 2)和(1, 2, 1)是不同的答案!
//内外循环位置;排列问题需将容量放在外循环,将物品放在内循环。
for (int i = 0; i <= target; i++) {// 遍历背包
for (int j = 0; j < nums.length; j++) {// 遍历物品
if (i >= nums[j]) {
dp[i] += dp[i - nums[j]];
}
}
}
System.out.println(Arrays.toString(dp));
return dp[target];
}
}
70. 爬楼梯
1.题目描述
假设你正在爬楼梯。需要
n
阶你才能到达楼顶。每次你可以爬
1
或2
个台阶。你有多少种不同的方法可以爬到楼顶呢?
2.解题思路
- 本题改为:一步一个台阶,两个台阶,三个台阶,.......,直到 m个台阶。问有多少种不同的方法可以爬到楼顶呢?
- 1阶,2阶,.... m阶就是物品,楼顶就是背包。
- 每一阶可以重复使用,例如跳了1阶,还可以继续跳1阶。
- 问跳到楼顶有几种方法其实就是问装满背包有几种方法。
- 此时大家应该发现这就是一个完全背包问题了!
- 1.确定dp数组以及下标的含义
- dp[i]: 爬到第i层楼梯,有dp[i]种方法
- 2.确定递推公式
- 在动态规划:494.目标和 (opens new window)、 动态规划:518.零钱兑换II (opens new window)、动态规划:377. 组合总和 Ⅳ (opens new window)中我们都讲过了,求装满背包有几种方法,递推公式一般都是dp[i] += dp[i - nums[j]];
- 本题呢,dp[i]有几种来源,dp[i - 1],dp[i - 2],dp[i - 3] 等等,即:dp[i - j]
- 那么递推公式为:dp[i] += dp[i - j]
- 3.dp数组如何初始化
- 既然递归公式是 dp[i] += dp[i - j],那么dp[0] 一定为1,dp[0]是递归中一切数值的基础所在,如果dp[0]是0的话,其他数值都是0了。
- 下标非0的dp[i]初始化为0,因为dp[i]是靠dp[i-j]累计上来的,dp[i]本身为0这样才不会影响结果
- 4.确定遍历顺序
- 这是背包里求排列问题,即:1、2 步 和 2、1 步都是上三个台阶,但是这两种方法不一样!
- 所以需将target放在外循环,将nums放在内循环。
- 每一步可以走多次,这是完全背包,内循环需要从前向后遍历。
- 本题为排列数。
- 5.举例推导dp数组
3.代码实现
class Solution {
//70. 爬楼梯
public int climbStairs(int n) {
//dp[i]:爬到有i个台阶的楼顶,有dp[i]种方法。
int[] dp = new int[n + 1];
int[] weight = {1, 2};//每次走一步或者两步
dp[0] = 1;
//完全背包:每一步可以走多次,这是完全背包,内循环需要从前向后遍历。
//排列问题:1、2 步 和 2、1 步都是上三个台阶,但是这两种方法不一样!
//内外循环位置;排列问题需将容量放在外循环,将物品放在内循环。
for (int i = 0; i <= n; i++) { // 遍历背包
for (int j = 0; j < weight.length; j++) {// 遍历物品
if (i >= weight[j]) {
dp[i] += dp[i - weight[j]];
}
}
}
return dp[n];
}
}
322. 零钱兑换
1.题目描述
- 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。
2.解题思路
- 1.确定dp数组以及下标的含义
- dp[i]:凑成金额i所需的最少的硬币个数。
- 2.确定递推公式
- 考虑coins[i]: dp[j - coins[i]]
- 不考虑coins[i]: dp[j]
- 凑足总额为j - coins[i]的最少个数为dp[j - coins[i]],那么只需要加上一个钱币coins[i]即dp[j - coins[i]] + 1就是dp[j](考虑coins[i])
- 所以dp[j] 要取所有 dp[j - coins[i]] + 1 中最小的。
- 递推公式:dp[j] = min(dp[j - coins[i]] + 1, dp[j]);
- 3.dp数组如何初始化
- 首先凑足总金额为0所需钱币的个数一定是0,那么dp[0] = 0;
- 其他下标对应的数值呢?
- 考虑到递推公式的特性,dp[j]必须初始化为一个最大的数,否则就会在min(dp[j - coins[i]] + 1, dp[j])比较的过程中被初始值覆盖。
- 所以下标非0的元素都是应该是最大值。
- 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。
- 本题为组合数。
- 5.举例推导dp数组
- 以输入:coins = [1, 2, 5], amount = 5为例
3.代码实现
class Solution {
public int coinChange(int[] coins, int amount) {
//dp[i]:凑成金额i所需的最少的硬币个数。
int[] dp = new int[amount + 1];
Arrays.fill(dp, Integer.MAX_VALUE);
//金额0所需要的的硬币个数为0
dp[0] = 0;
//完全背包:每个硬币可以使用多次,这是完全背包,内循环需要从前向后遍历。
//组合问题:1、1 和 1、1 都是2个硬币,这两种方法一样!
//内外循环位置;组合问题需将物品放在外循环,将容量放在内循环。
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
1.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。
2.解题思路
- 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?
- 1.确定dp数组以及下标的含义
- dp[i] :返回 和为 i 的完全平方数的最少数量
- 2.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]);
- 3.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。
- 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。
- 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。
- 本题为组合数。
- 5.举例推导dp数组
- 已输入n为5例,dp状态图如下:
3.代码实现
class Solution {
//279. 完全平方数
public int numSquares(int n) {
//dp[i] :返回 和为 i 的完全平方数的最少数量
int[] dp = new int[n + 1];
Arrays.fill(dp, Integer.MAX_VALUE);
dp[0] = 0;
for (int i = 1; i * i <= n; i++) {//遍历物品
for (int j = i * i; j <= n; j++) {//遍历背包
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
1.题目描述
- 给你一个字符串 s 和一个字符串列表 wordDict 作为字典。请你判断是否可以利用字典中出现的单词拼接出 s 。
- 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。
2.解题思路
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。拆分时可以重复使用字典中的单词,说明就是一个完全背包!
- 1.确定dp数组以及下标的含义
- dp[i] : 字符串长度为i的话,dp[i]为true,表示可以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([j, i] 这个区间的子串出现在字典里 && dp[j]是true) 那么 dp[i] = true。
- 3.dp数组如何初始化
- 从递归公式中可以看出,dp[i] 的状态依靠 dp[j]是否为true,那么dp[0]就是递归的根基,dp[0]一定要为true,否则递归下去后面都都是false了。。
- 下标非0的dp[i]初始化为false,只要没有被覆盖说明都是不可拆分为一个或多个在字典中出现的单词。。
- 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。
- 本题为组合数。
- 5.举例推导dp数组
- 已以输入: s = "leetcode", wordDict = ["leet", "code"]为例,dp状态如图::
3.代码实现
class Solution {
//139. 单词拆分
public boolean wordBreak(String s, List<String> wordDict) {
HashSet<String> hashSet = new HashSet<>(wordDict);
//dp[i] : 字符串长度为i的话,dp[i]为true,
//表示可以拆分为一个或多个在字典中出现的单词。
boolean[] dp = new boolean[s.length() + 1];
//dp[i] 依靠 dp[j]是否为true,那么dp[0]就是递归的根基,
//dp[0]一定要为true,否则递归下去后面都都是false了
//下标非0的dp[i]初始化为false,
//只要没有被覆盖说明都是不可拆分为一个或多个在字典中出现的单词。
dp[0] = true;
for (int i = 1; i <= s.length(); i++) {//遍历背包
for (int j = 0; j < i && !dp[i]; j++) {//遍历物品
//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。
if (hashSet.contains(s.substring(j, i)) && dp[j] == true) {
dp[i] = true;
}
}
}
return dp[s.length()];
}
}