代码随想录刷题day45｜ 零钱兑换&完全平方数

---

day45学习内容

day45主要内容

• 零钱兑换
• 完全平方数

---

声明
本文思路和文字，引用自《代码随想录》

---

一、零钱兑换

322.原题链接

1.1、动态规划五部曲

1.1.1、 确定dp数组（dp table）以及下标的含义

-  p[i]表示凑成金额i所需的最少硬币数。

1.1.2、确定递推公式

最少嘛，你就要想到min。和零钱兑换II有一点区别就是那一题求取所有的排列数，那一题已经把所有的求出来了，所以这一题，很自然的想到，要取一下min(dp[j],dp[j-nums[i]+1])

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

1.1.3、 dp数组如何初始化

dp[0] = 0;

1.1.4、确定遍历顺序

先遍历物品后遍历背包。并且是正序的，因为正序是表示可重复的。

1.2、代码

class Solution {
    public int coinChange(int[] coins, int amount) {
        int max = Integer.MAX_VALUE;
        int[] dp = new int[amount + 1];
        // 每个元素初始化为max，表示初始时没有任何一种硬币组合能够凑成对应的金额。
        for (int j = 0; j < dp.length; j++) {
            dp[j] = max;
        }
        // 初始化dp[0]，为啥等于0.因为当金额为0时需要的硬币数目为0
        dp[0] = 0;
        for (int i = 0; i < coins.length; i++) {
            // 先遍历物品再遍历背包
            for (int j = coins[i]; j <= amount; j++) {
                if (dp[j - coins[i]] != max) {
                    // 选择硬币数目最小的情况
                    dp[j] = Math.min(dp[j], dp[j - coins[i]] + 1);
                }
            }
        }
        // 如果dp[amount]等于max，说明没有任何一种硬币组合能够凑成总金额，因此返回-1；
        // 否则，返回dp[amount]，即凑成总金额所需的最少硬币数。
        return dp[amount] == max ? -1 : dp[amount];
    }
}

1.2.1、如何理解状态转移方程？

外层循环遍历所有给定的硬币面额，内层循环从当前硬币面额开始，直到总金额amount。对于内层循环中的每一个金额j，代码首先检查j减去当前硬币面额的结果（即dp[j - coins[i]]）是否已经有了一个解（不是max），如果是，表示j金额可以通过加上一个当前面额的硬币得到。然后，通过Math.min(dp[j], dp[j - coins[i]] + 1)更新dp[j]，即比较当前的最少硬币数和通过当前面额的硬币得到的硬币数+1哪个更小，选择较小的一个作为新的最少硬币数

1.2.2、为什么dp[j - coins[i]] + 1要+1

假设你已经知道了对于金额j-coins[i]（即当前考虑的总金额减去一枚当前面额的硬币），最少需要dp[j - coins[i]]枚硬币。那么，如果你向这个组合中再加上一枚coins[i]面额的硬币，就可以得到金额j。因此，凑成金额j所需的最少硬币数就可以通过凑成金额j-coins[i]所需的硬币数加上这一枚新加入的硬币来计算，即dp[j - coins[i]] + 1。

这里的+1正是代表加上这一枚新硬币。

举一个简单的例子，假设你有面额为1的硬币，你要凑成金额3。按照动态规划的过程，你会这样计算：

• 凑成金额0需要0枚硬币，即dp[0] = 0。
• 凑成金额1需要dp[0] + 1 = 1枚硬币。
• 凑成金额2需要dp[1] + 1 = 2枚硬币。
• 凑成金额3需要dp[2] + 1 = 3枚硬币。

每次+1就是代表往当前的金额中添加一枚当前考虑的硬币，从而达到新的金额。这就是为什么要+1。

二、完全平方数

279.原题链接

完全平方数就是物品且可以无限使用，凑个正整数n就是背包，问凑满这个背包最少需要多少物品？

2.1、动态规划五部曲

2.1.1、 确定dp数组（dp table）以及下标的含义

-  dp[j]表示和为j的完全平方数的最少数量为dp[j]

2.1.2、确定递推公式

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

2.1.3、 dp数组如何初始化

dp[0] = 0;

2.1.4、确定遍历顺序

先遍历背包，再遍历物品。或者先遍历背包，再遍历物品都可以。

2.1.5、计算并返回最终结果

return dp[n];

2.2、代码

class Solution {
    public int numSquares(int n) {
        int max = Integer.MAX_VALUE;
        int[] dp = new int[n + 1];
        // 初始化
        for (int j = 0; j <= n; j++) {
            dp[j] = max;
        }

        dp[0] = 0;
        // 先遍历物品后遍历
        for (int i = 1; i * i <= n; i++) {
            for (int j = i * i; j <= n; j++) {
                if (dp[j - i * i] != max) {
                    dp[j] = Math.min(dp[j], dp[j - i * i] + 1);
                }
            }
        }
        return dp[n];
    }
}

总结

1.感想

• 疯狂补清明假期拉下的进度。。

2.思维导图

本文思路引用自代码随想录，感谢代码随想录作者。