第九章动态规划part06

C1aySec

于 2024-07-23 22:30:59 发布

阅读量624

点赞数 12

分类专栏：代码随想录文章标签：动态规划算法 leetcode 数据结构 c++

本文链接：https://blog.csdn.net/a781333978/article/details/140647784

版权

代码随想录专栏收录该内容

43 篇文章 0 订阅

订阅专栏

零钱兑换

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。

示例 1：

输入：coins = [1, 2, 5], amount = 11
输出：3 
解释：11 = 5 + 5 + 1

示例 2：

输入：coins = [2], amount = 3
输出：-1

示例 3：

输入：coins = [1], amount = 0
输出：0

解题思路

确定dp数组以及下标的含义
- dp[j]：凑足总额为j的金额需要的最少钱币个数为dp[j]
确定递推公式
- 递推公式：dp[j] = min(dp[j - coins[i]] + 1, dp[j]);
- 凑足总额为j - coins[i]的钱币最少个数为dp[j - coins[i]]，因此只需要加上一个钱币coins[i]就能够凑足总额为j的金额，此时所需要的最小金额就是dp[j]和dp[j - coins[i]] + 1 总的最小值。
dp数组初始化
- 凑足金额j为0的钱币个数一定是0，因此dp[0] = 0，根据递推公式特性，因为我们需要取得较小值，因此可以将其他金额的情况初始化为整数最大值
确定遍历顺序
- 本题中先遍历钱币在遍历背包都是可以的，无非是写法不同而已，本题使用的先遍历钱币后遍历背包的方式，遍历方式都是正序遍历。
举例推导dp数组
- 以输入：coins = [1, 2, 5], amount = 5为例,手动推举dp数组：

代码实现

测试地址：https://leetcode.cn/problems/coin-change/

class Solution {
public:
    int coinChange(vector<int> &coins, int amount) {
        // 初始化 dp 数组
        vector<int> dp(amount + 1, INT_MAX);
        dp[0] = 0;

        // 遍历所有硬币
        for (int i = 0; i < coins.size(); i++) {
            // 遍历从该硬币面额到总金额的所有金额
            for (int j = coins[i]; j <= amount; j++) {
                // 如果可以组成金额 j - coins[i]
                if (dp[j - coins[i]] != INT_MAX) {
                    // 更新 dp[j]
                    dp[j] = min(dp[j - coins[i]] + 1, dp[j]);
                }
            }
        }

        // 如果无法组成该金额，返回 -1
        if (dp[amount] == INT_MAX)
            return -1;

        // 否则返回组成该金额所需的最小硬币数量
        return dp[amount];
    }
};

完全平方数

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。

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

解题思路

确定dp数组以及下标的含义
- dp[j]：要组合和为j的完全平方数所需要使用的最少数量为dp[j]
确定递推公式
- dp[j]可以由dp[j-i*i]所推出，因此dp[j - i * i] + 1 便可以凑成dp[j]，由于我们需要求的是使用的最小平方数的个数
- 递推公式：dp[j] = min(dp[j - i * i] + 1, dp[j]);
dp数组初始化
- 题目提到了n从1开始，而且并没有明确表示平方数从0开始，因此我们可以初始化dp[0]=0，因为我们需要求的是最少个数，因此可以将非0下标的其他值初始化为最大值。
确定遍历顺序
- 先遍历背包和先遍历物品都是可以的，本题采用的是先遍历背包后遍历物品的方式，顺序均为正序。
举例推导dp数组
- 已输入n为5例，dp状态图如下：

代码实现

测试地址：https://leetcode.cn/problems/perfect-squares/

class Solution {
public:
    int numSquares(int n) {
        // 创建一个 dp 数组，大小为 n+1, 初始值设为 INT_MAX 表示无限大
        vector<int> dp(n + 1, INT_MAX);
        // 递归基，0的最小分解为0个完全平方数
        dp[0] = 0;

        // 遍历从1到n的所有数字
        for (int j = 0; j <= n; j++) {
            // 遍历所有可能的完全平方数，从1开始，i*i是完全平方数
            for (int i = 1; i * i <= j; i++) {
                // 更新 dp[j]，选取使用当前完全平方数i*i和不使用时的较小值
                dp[j] = min(dp[j - i * i] + 1, dp[j]); // dp[j - i*i] + 1 表示如果选用当前的完全平方数，则需加1（因为使用了一次）
            }
        }
        // 返回组成整数n所需的最少完全平方数
        return dp[n];
    }
};

单词拆分

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。如果可以利用字典中出现的一个或多个单词拼接出 s 则返回 true。

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。

示例 1：

输入: s = "leetcode", wordDict = ["leet", "code"]
输出: true
解释: 返回 true 因为 "leetcode" 可以由 "leet" 和 "code" 拼接成。

示例 2：

输入: s = "applepenapple", wordDict = ["apple", "pen"]
输出: true
解释: 返回 true 因为 "applepenapple" 可以由 "apple" "pen" "apple" 拼接成。
     注意，你可以重复使用字典中的单词。

示例 3：

输入: s = "catsandog", wordDict = ["cats", "dog", "sand", "and", "cat"]
输出: false

解题思路

确定dp数组以及下标的含义
- dp[i] 表示字符串s的前i个字符能否被成功分割成一个或多个在字典中的单词。这里i是从0到字符串s的长度。
确定递推公式
- 如果存在一个j（0 <= j < i），使得从j到i的子字符串（即s.substr(j, i - j)）是字典中的一个词，并且dp[j]是true（表示s的前j个字符可以被成功分割），那么dp[i]应该是true。
- 递推公式：dp[i]=dp[j] and s[j:i] in wordDict for any j such that 0≤j<i
dp数组初始化
- 初始化dp[0] = true，因为空字符串可以被认为是任何字典的子集，不需要分割。其余dp[i]初始化为false，表示开始时假设没有有效分割。
确定遍历顺序
- 外层循环遍历字符串s从1到长度n（这里n是s.size()），内层循环遍历从0到i-1，尝试找到一个j，使得s.substr(j, i - j)是字典中的词。这样确保我们在决定dp[i]前，已经计算了所有的dp[j]。
举例推导dp数组
- 以s = "leetcode"，wordDict = ["leet", "code"]为例，手推dp数组如下：
  - dp[0] = true（基础情况）
  - dp[4] 在j = 0时，s.substr(0, 4) = "leet"是字典中的词，dp[0]是true，所以dp[4]成为true。
  - dp[8] 在j = 4时，s.substr(4, 4) = "code"是字典中的词，dp[4]是true，所以dp[8]成为true
  - dp[s.size()]即dp[8]是true，表示字符串可以完全分割使用字典中的词。

代码实现

测试地址：https://leetcode.cn/problems/word-break/

class Solution {
public:
    bool wordBreak(string s, vector<string>& wordDict) {
        // 将字典转换为无序集合，以便快速查找
        unordered_set<string> wordSet(wordDict.begin(), wordDict.end());
        // 初始化dp数组，大小为s.size() + 1，所有元素初始化为false
        vector<bool> dp(s.size() + 1, false);
        // 基础情况：空字符串可以被成功分割
        dp[0] = true;

        // 外层循环遍历字符串s的每个位置i，表示当前考虑的子字符串的结束位置
        for (int i = 1; i <= s.size(); i++) {   // 遍历背包
            // 内层循环遍历从0到i-1的每个位置j，表示当前考虑的子字符串的起始位置
            for (int j = 0; j < i; j++) {       // 遍历物品
                // 获取从j到i的子字符串
                string word = s.substr(j, i - j); //substr(起始位置，截取的个数)
                // 检查子字符串是否在字典中，并且dp[j]是否为true
                if (wordSet.find(word) != wordSet.end() && dp[j]) {
                    // 如果条件满足，设置dp[i]为true
                    dp[i] = true;
                }
            }
        }
        // 返回dp数组的最后一个元素，表示整个字符串是否可以被成功分割
        return dp[s.size()];
    }
};