代码随想录算法训练营第三十四天|322. 零钱兑换、279.完全平方数、139.单词拆分

322. 零钱兑换

给定不同面额的硬币 coins 和一个总金额 amount。编写一个函数来计算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。

dp[j]凑足总额为j的方法有dp[j]个。

递推公式：凑足金额为j-coins[i]的方法有dp[j-coins[i]]个，那么只要再加上一个钱币（即一种方法），就是dp[j]的方法。dp[j] = dp[j-coins[i]]+1。所以dp[j]要取所有dp[j - coins[i]] + 1方法中最小的。

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

初始化：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。

vector<int> dp(amount+1, INT_MAX);
dp[0] = 0;

遍历顺序：外层遍历物品，内层遍历背包，本次是完全背包，所以内层是正序遍历。

举例推导dp数组：

class Solution {
public:
    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=coins[i]; j<=amount; j++){
                if(dp[j-coins[i]]!=INT_MAX){
                    dp[j] = min(dp[j-coins[i]]+1, dp[j]);
                }
            }
        }
        
        return dp[amount]==INT_MAX? -1:dp[amount];
    }
};

• 时间复杂度: O(n * amount)，其中 n 为 coins 的长度
• 空间复杂度: O(amount)

279.完全平方数

给定正整数 n，找到若干个完全平方数（比如 1, 4, 9, 16, ...）使得它们的和等于 n。你需要让组成和的完全平方数的个数最少。

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

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？

dp[j]: 和为j的完全平方数的最小个数为dp[j]。

dp[j]递推公式：和上一题一样，dp[j]由dp[j-i^2]得出，而他比dp[j-i^2]又多了一种方式。所以dp[j]的递推公式是min(dp[j], dp[j-i^2]+1)

dp数组初始化：dp[0] = 0; 而其他因为要求最小值，所以初始为最大的。

确定遍历顺序：先背包后物品和先物品后背包都是可以的，内层需要前序遍历：

打印遍历：

class Solution {
public:
    int numSquares(int n) {
        vector<int> dp(n+1, INT_MAX);
        dp[0]=0;
        for(int i=0; i<=n; i++){
            for(int j=1; j*j<=i;j++){//先背包后物品
                if(dp[i-j*j]!= INT_MAX){
                    dp[i] = min(dp[i], dp[i-j*j]+1);
                }    
            }
        }
        return dp[n];
    }
};

• 时间复杂度: O(n * √n)
• 空间复杂度: O(n)

139.单词拆分

给定一个非空字符串 s 和一个包含非空单词的列表 wordDict，判定 s 是否可以被空格拆分为一个或多个在字典中出现的单词

这道题可以回想第131题：

for (int i = startIndex; i < s.size(); i++) {
    if (isPalindrome(s, startIndex, i)) { // 是回文子串
        // 获取[startIndex,i]在s中的子串
        string str = s.substr(startIndex, i - startIndex + 1);
        path.push_back(str);
    } else {                // 如果不是则直接跳过
        continue;
    }
    backtracking(s, i + 1); // 寻找i+1为起始位置的子串
    path.pop_back();        // 回溯过程，弹出本次已经添加的子串
}

回溯算法的解题方法：

class Solution {
public:
    bool backtracking(string s, unordered_set<string>& wordDict, int startIndex){
        if(startIndex>=s.size()){
            return true;
        }
        for(int i=startIndex; i<s.size(); i++){
            string word = s.substr(startIndex, i-startIndex+1);
            if(wordDict.find(word)!=wordDict.end()&&backtracking(s, wordDict, i+1)){
                return true;
            }
        }
        return false;
    }
    bool wordBreak(string s, vector<string>& wordDict) {
        unordered_set<string> wordSet(wordDict.begin(), wordDict.end());
        return backtracking(s, wordSet, 0);
    }
};

• 时间复杂度：O(2^n)，因为每一个单词都有两个状态，切割和不切割
• 空间复杂度：O(n)，算法递归系统调用栈的空间

但是这样会超时，所以我们还是要考虑动态规划。

1. dp[i]代表的是:字符串长度为i时，可以返回true，表示可以拆分为一个或者多个在字典中出现的单词。

2. 递推公式：如果dp[j]是true，那么dp[i-j]也一定是true。所以递推的条件是：

if（dp[j]==true && [j, i] 出现在dictionary里）则dp[i]=true；

3. 初始化：dp[0]是true，其他的都是false。

4. 确认遍历顺序：

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。

而本题其实我们求的是排列数，为什么呢。 拿 s = "applepenapple", wordDict = ["apple", "pen"] 举例。

"apple", "pen" 是物品，那么我们要求 物品的组合一定是 "apple" + "pen" + "apple" 才能组成 "applepenapple"。

"apple" + "apple" + "pen" 或者 "pen" + "apple" + "apple" 是不可以的，那么我们就是强调物品之间顺序。

所以我们要先遍历背包，后遍历物品。

5. 举例推导

class Solution {
public:
    bool wordBreak(string s, vector<string>& wordDict) {
        unordered_set<string> wordSet(wordDict.begin(), wordDict.end());
        vector<bool> dp(s.size()+1, false);
        dp[0] = true;
        for(int i=0; i<=s.size(); i++){
            for(int j=0; j<i; j++){
                string word = s.substr(j, i-j);
                if(wordSet.find(word)!=wordSet.end() && dp[j]){
                    dp[i] = true;
                }
            }
        }
        return dp[s.size()];
    }
};

• 时间复杂度：O(n^3)，因为substr返回子串的副本是O(n)的复杂度（这里的n是substring的长度）从2的n次方降到了n的三次方
• 空间复杂度：O(n)