代码随想录算法训练营第45天 | 70. 爬楼梯（进阶版），322. 零钱兑换，279.完全平方数

动态规划章节理论基础：

https://programmercarl.com/%E5%8A%A8%E6%80%81%E8%A7%84%E5%88%92%E7%90%86%E8%AE%BA%E5%9F%BA%E7%A1%80.html

70. 爬楼梯（进阶版）

题目链接：https://leetcode.cn/problems/last-stone-weight-ii/

思路：

我们之前做的 爬楼梯 是只能至多爬两个台阶。

这次改为：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？

这又有难度了，这其实是一个完全背包问题。

和昨天的题目动态规划：377. 组合总和 Ⅳ基本就是一道题。

动规五部曲：
（1）确定dp数组以及下标含义
dp[i]：爬到有i个台阶的楼顶，有dp[i]种方法。

（2）确定递归公式
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。

（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。

（5）举例推导dp数组
介于本题和动态规划：377. 组合总和 Ⅳ 几乎是一样的，这里我就不再重复举例了。

代码：

import java.util.Scanner;
class climbStairs{
    public static void main(String [] args){
        Scanner sc = new Scanner(System.in);
        int m, n;
        while (sc.hasNextInt()) {
            // 从键盘输入参数，中间用空格隔开
            n = sc.nextInt();
            m = sc.nextInt();

            // 求排列问题，先遍历背包再遍历物品
            int[] dp = new int[n + 1];
            dp[0] = 1;
            for (int j = 1; j <= n; j++) {
                for (int i = 1; i <= m; i++) {
                    if (j - i >= 0) dp[j] += dp[j - i];
                }
            }
            System.out.println(dp[n]);
        }
    }
}

322. 零钱兑换

题目链接：https://leetcode.cn/problems/perfect-squares/

思路：

在动态规划：518.零钱兑换II 中我们已经兑换一次零钱了，这次又要兑换，套路不一样！

题目中说每种硬币的数量是无限的，可以看出是典型的完全背包问题。

动规五部曲：
（1）确定dp数组以及下标含义
dp[j]：凑足总额为j所需钱币的最少个数为dp[j]

（2）确定递归公式
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;

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
本题求钱币最小个数，那么钱币有顺序和没有顺序都可以，都不影响钱币的最小个数。

所以本题并不强调集合是组合还是排列。

（5）举例推导dp数组

以输入：coins = [1, 2, 5], amount = 5为例

代码：

class Solution {
    public int coinChange(int[] coins, int amount) {    
        int len = coins.length;
        int[]dp = new int[amount+1];
        Arrays.fill(dp,Integer.MAX_VALUE);
        dp[0] = 0;
        // 这道题不求组合也不求排列，所以顺序都是可以的
        for(int i = 0; i< len;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);
            }

            // for(int k=0;k<=amount;k++){
            //     System.out.print(dp[k]+" ");
            // }
            // System.out.println();
        }
        if (dp[amount] == Integer.MAX_VALUE) return -1;
        return dp[amount];
    }
}

279.完全平方数

题目链接：https://leetcode.cn/problems/perfect-squares/

思路：

可能刚看这种题感觉没啥思路，又平方和的，又最小数的。

我来把题目翻译一下：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？

动规五部曲：
（1）确定dp数组以及下标含义
dp[j]：和为j的完全平方数的最少数量为dp[j]

（2）确定递归公式
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。

（4）确定遍历顺序
我们知道这是完全背包，

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。

在动态规划：322. 零钱兑换 中我们就深入探讨了这个问题，本题也是一样的，是求最小数！

所以本题外层for遍历背包，内层for遍历物品，还是外层for遍历物品，内层for遍历背包，都是可以的！

（5）举例推导dp数组
已输入n为5例，dp状态图如下：

代码：

class Solution {
    public int numSquares(int n) {
        int cnt = 0;
        // List<Integer> list = new ArrayList<Integer>();
        // for(int i=1; ;i++){
        //     int tmp = i * i;
        //     if(tmp > n) break;
        //     list.add(tmp);
        //     cnt++;
        // }

        // 不用链表
        int[] dp = new int[n+1];
        Arrays.fill(dp,10005);
        dp[0] = 0;
        for(int i=1; i*i <= n;i++){
            for(int j=i*i;j<=n;j++){
                if(dp[j-i*i] != 10005)
                    dp[j] = Math.min(dp[j],dp[j-i*i]+1);
            }
        }

        return dp[n];
    }
}