动态规划章节理论基础:
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];
}
}