动态规划完全背包习题目（包含leetcode70、322、139）

chirou_

已于 2023-04-18 08:52:35 修改

阅读量45

点赞数

文章标签：动态规划算法 leetcode c++ 数据结构

于 2023-04-17 21:08:17 首次发布

本文链接：https://blog.csdn.net/chirou_/article/details/130208205

版权

文章详细介绍了四个LeetCode上的动态规划问题的解决方案，包括使用动态规划数组dp来计算爬楼梯的不同方法数、零钱兑换的最小硬币个数、完全平方数的最少构成步数以及单词拆分的可行性。每个问题的核心在于理解dp数组的含义和更新规则，并有效避免边界条件错误。

摘要由CSDN通过智能技术生成

leetcode 70.爬楼梯-排列问题+求种类问题

class Solution {
public:
    int climbStairs(int n) {
        vector<int> dp(n+1,0);//爬到第j层楼梯有dp[j]种方法
        dp[0]=1;
        for(int j=0;j<=n;j++){//排列问题，先遍历背包
            for(int i=1;i<=2;i++){
                if(j>=i)
                dp[j]+=dp[j-i];//背包问题中求种类数常用的递归公式
            }
        }
        return dp[n];
    }
};

leetcode 322. 零钱兑换
本题dp数组的含义是硬币个数，不强调组合或者排列，不同种的排列但是同一种组合的硬币集合对应的硬币个数是一样的

class Solution {
public:
    int coinChange(vector<int>& coins, int amount) {
        vector<int> dp(amount+1,INT_MAX);//凑成金额为j最小需要硬币个数为dp[j]个
        dp[0]=0;
        for(int i=0;i<coins.size();i++){//遍历物品 本题dp数组是硬币个数，不强调排列或者是组合，因此先遍历谁都可以
            for(int j=coins[i];j<=amount;j++){//遍历背包,背包在内循环的时候，j的初始值为coins[i]，如果背包在外的话背包只能从0开始遍历了
                if(dp[j - coins[i]] != INT_MAX )//防止int越界，这里挺坑的
                dp[j]=min(dp[j],dp[j-coins[i]]+1);
            }
        }
        if(dp[amount]==INT_MAX) return -1;
        return dp[amount];
    }
};

leetcode 279. 完全平方数
这题和零钱兑换那题一样，只是我不知道为啥不需要判断dp[j-i*i]!=INT_MAX，不知道以后能不能悟

class Solution {
public:
    int numSquares(int n) {
        vector<int> dp(n+1,INT_MAX);//组成j的完全平方数的最少数量为dp[j]
        dp[0]=0;
        for(int i=1;i*i<=n;i++){
            for(int j=i*i;j<=n;j++){
                dp[j]=min(dp[j],dp[j-i*i]+1);//不知道为啥这里不需要判断dp[j-i*i]!=INT_MAX，不知道以后能不能悟
            }
        }
        return dp[n];
    }
};

leetcode 139.单词拆分
本题强调物品的顺序，因此先遍背包，再遍历物品
本题dp数组也要定义为s.size()+1,dp[0]用来递推后面的状态。

class Solution {
public:
    bool wordBreak(string s, vector<string>& wordDict) {
        unordered_set wordSet(wordDict.begin(),wordDict.end());
        vector<bool> dp(s.size()+1,false);
        dp[0]=true;//dp[0]其实没啥意义，主要是为递推公式服务的
        for(int j=1;j<=s.size();j++){//这里从1开始，因为题目说了s.size()>=1,
            for(int i=0;i<=j;i++){
                string word=s.substr(i,j-i);//递推逻辑
                if(wordSet.find(word)!=wordSet.end()&&dp[i]==true){
                    dp[j]=true;
                }
            }
        }
        return dp[s.size()];
    }
};