代码随想录算法训练营第五十天 | 70. 爬楼梯 （进阶）、322. 零钱兑换、279.完全平方数

题目链接：70. 爬楼梯 （进阶）

文章讲解：代码随想录 70. 爬楼梯 （进阶）讲解

思路和解法

题目：
题目描述
假设你正在爬楼梯。需要 n 阶你才能到达楼顶。

每次你可以爬至多m (1 <= m < n)个台阶。你有多少种不同的方法可以爬到楼顶呢？

注意：给定 n 是一个正整数。

输入描述
输入共一行，包含两个正整数，分别表示n, m
输出描述
输出一个整数，表示爬到楼顶的方法数。
输入示例
3 2
输出示例
3
提示信息
数据范围：
1 <= m < n <= 32;

当 m = 2，n = 3 时，n = 3 这表示一共有三个台阶，m = 2 代表你每次可以爬一个台阶或者两个台阶。

此时你有三种方法可以爬到楼顶。

1. 1 阶 + 1 阶 + 1 阶段
2. 1 阶 + 2 阶
3. 2 阶 + 1 阶

想法：
每次走至多m阶，问多少种方法刚好凑出n阶，所以是完全背包问题，且求的是排列数。
求排列数要先遍历背包后遍历物品。
dp[i]代表凑出背包容量i的方法数。
因为是求方法数，所以递推公式是累加，dp[j-i]有多少种方法，遍历到当前物品，添加当前物品是和dp[j-i]同样的方法数，所以会增加dp[j-i]个方法数，原来没遍历到当前物品时就有dp[j]个方法数，所以是累加。
然后还要注意因为是从前向后遍历背包数组，所以要加判断条件，保证j-i>=0。
初始化只初始化dp[0]=0即可。

#include <iostream>
#include <vector>
using namespace std;
 int main () {
     int n, m;
     cin >> n >> m;
     //先背包 后物品
     vector<int> dp(n + 1, 0);
     dp[0] = 1;
     for (int j = 0; j <= n; j++) {
         for (int i = 1; i <= m; i++) {
             if (j - i >= 0) {
                 dp[j] += dp[j - i];
             }
         }
     }
     cout << dp[n];
     return 0;
 }

题目链接：322. 零钱兑换

文章讲解：代码随想录 322. 零钱兑换讲解

视频讲解：装满背包最少的物品件数是多少？| LeetCode：322.零钱兑换

思路和解法

题目：
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。
想法：
硬币可以无限次使用，所以是完全背包问题，更新dp数组顺序就是从前向后更新。题目中求的是组合数，所以遍历顺序是先物品后背包。题目要求的是凑成对应总金额最少的硬币个数，所以dp[i]就表示凑成容量i的最少的硬币个数，递推公式就是取可能凑出当前容量的硬币数量的最小值，要考虑的有两种情况，一种是原来就推出来的dp[j]，另一种是遍历到了当前物品，那么把当前物品算进来，dp[j-i]个硬币加上当前这一个硬币凑出容量j，这两种情况取小值存起来。然后考虑一下初始化问题，因为是取最小值，所以都初始化为INT_MAX，但是又要考虑到第一个有效数值从哪里获取，那就是dp[0]=0，然后第一个硬币刚好凑出来时就加1存到dp[j]中。

class Solution {
public:
//硬币数量无限 完全背包问题 凑成总金额最少的硬币个数 dp[i]:凑成i最少的硬币个数 递推公式：dp[j] = min(dp[j], dp[j - coins[i]] + 1);
//求组合 先物品 后背包 完全背包 背包从前向后遍历
//初始化 都是0
    int coinChange(vector<int>& coins, int amount) {
        vector<int> dp(amount + 1, INT_MAX);
        dp[0] = 0;
        for (int i = 0; i < coins.size(); i++) {
            for (int j = 0; j <= amount; j++) {
                if (j - coins[i] >= 0 && dp[j - coins[i]] < INT_MAX) {
                    dp[j] = min(dp[j], dp[j - coins[i]] + 1);
                }
            }
        }
        if (dp [amount] == INT_MAX) {
            return -1;
        }
        return dp[amount];
    }
};

题目链接：279.完全平方数

文章讲解：代码随想录 279.完全平方数讲解

视频讲解：换汤不换药！| LeetCode：279.完全平方数

思路和解法

题目：
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。
想法：
完全平方数可以无限次使用，所以是完全背包问题，背包的遍历顺序从前向后。dp[j]表示凑出数字j所需的完全平方数的最少数量，所以递推公式：dp[j] = min(dp[j], dp[j-ii] + 1)，ii是物品，求这个方法不在乎完全平方数的先后顺序，所以是求组合数，所以应该先遍历物品，后遍历背包。由于递推公式取较小值，所以dp数组初始化为INT_MAX，dp[0] = 0，然后遍历过程中，物品遍历边界条件是不超过n，背包遍历从当前遍历到的完全平方数开始，因为是考虑当前的完全平方数要不要放进背包，还要判断如果放入当前的完全平方数，dp[j-i*i]是不是有效值，如果不是有效值相当于没有凑出当前容量的办法。

class Solution {
public:
//求组合 先物品后背包 物品可以重复使用 所以背包从前向后遍历
//dp[i]表示凑出i所需的最少的数字 我习惯用j表示背包 递推公式dp[j] = min(dp[j], dp[j - i * i] + 1);
    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 && dp[j - i * i] < INT_MAX; j++) {
                dp[j] = min(dp[j], dp[j - i * i] + 1);
            }
        }
        return dp[n];
    }
};