算法日记day 38（动归之零钱兑换|完全平方数|单词拆分）

一、零钱兑换

题目：

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

思路：

首先明确dp数组的含义，本题中dp数组的含义为在容量为 j 的背包中，可以装满背包所需要的最少物品为dp[j]，初始化定义dp[0]=0，由于其需要取最小值，因此dp的非零变量全部初始化为int最大值，递推式为 

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

代码：

public int coinChange(int[] coins, int amount) {
    // 创建一个一维动态规划数组 dp
    // dp[i] 表示组成金额 i 所需的最少硬币数
    int[] dp = new int[amount + 1];
    
    // 初始化 dp 数组的第一个元素为 0
    // dp[0] = 0 表示组成金额 0 不需要任何硬币
    dp[0] = 0;
    
    // 使用最大整数初始化 dp 数组的其他元素
    // max 表示当前金额无法组成的标记
    int max = Integer.MAX_VALUE;
    for (int i = 1; i < dp.length; i++) {
        dp[i] = max;
    }
    
    // 遍历每种硬币
    for (int i = 0; i < coins.length; i++) {
        // 对于每种硬币，从硬币面额到目标金额进行遍历
        for (int j = coins[i]; j <= amount; j++) {
            // 如果当前金额 j - coins[i] 可以组成
            // 更新 dp[j] 为最小值：dp[j] 或 dp[j - coins[i]] + 1
            if (dp[j - coins[i]] != max) {
                dp[j] = Math.min(dp[j], dp[j - coins[i]] + 1);
            }
        }
    }
    
    // 如果 dp[amount] 仍然是 max，表示目标金额无法组成
    // 否则返回 dp[amount]，即所需的最少硬币数
    return dp[amount] == max ? -1 : dp[amount];
}

1. 初始化 dp 数组：

   • dp[i] 表示组成金额 i 所需的最少硬币数。
   • dp[0] 初始化为 0，因为组成金额 0 不需要硬币。
   • 其他金额初始化为 max，表示初始时认为这些金额无法组成。

2. 遍历每种硬币：

   • 外层循环遍历每个硬币 coins[i]。
   • 内层循环从硬币面额 coins[i] 到目标金额 amount 遍历，更新 dp[j]。

3. 更新 dp 数组：

   • 对于每个金额 j，如果 dp[j - coins[i]] 不等于 max（表示金额 j - coins[i] 可以组成），则更新 dp[j] 为 dp[j - coins[i]] + 1 和当前 dp[j] 的最小值。
   • dp[j - coins[i]] + 1 表示在 j - coins[i] 的基础上再加一个硬币 coins[i]。

4. 返回结果：

   • 如果 dp[amount] 仍然是 max，表示目标金额 amount 无法用给定硬币组成，返回 -1。
   • 否则返回 dp[amount]，即组成目标金额所需的最少硬币数。

二、完全平方数 

题目：

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

思路：

与零钱兑换基本一致，唯一区别需要将遍历顺序的部分参数做出一些改变

代码：

public int numSquares(int n) {
    // 创建一个一维动态规划数组 dp
    // dp[i] 表示组成金额 i 所需的最少完全平方数的数量
    int[] dp = new int[n + 1];
    
    // 使用最大整数初始化 dp 数组的所有元素
    // max 表示当前金额无法组成的标记
    int max = Integer.MAX_VALUE;
    for (int i = 0; i < dp.length; i++) {
        dp[i] = max;
    }
    
    // 初始化 dp 数组的第一个元素为 0
    // dp[0] = 0 表示组成金额 0 不需要任何完全平方数
    dp[0] = 0;
    
    // 遍历所有可能的完全平方数
    for (int i = 1; i * i <= n; i++) {
        // 对于每个完全平方数 i*i，从 i*i 到目标金额 n 进行遍历
        for (int j = i * i; j <= n; j++) {
            // 更新 dp[j] 为最小值：dp[j] 或 dp[j - i*i] + 1
            // dp[j - i*i] + 1 表示在金额 j - i*i 的基础上再加上一个完全平方数 i*i
            dp[j] = Math.min(dp[j], dp[j - i * i] + 1);
        }
    }
    
    // 返回 dp[n]，即组成目标金额 n 所需的最少完全平方数的数量
    return dp[n];
}

1. 初始化 dp 数组：

   • dp[i] 表示组成金额 i 所需的最少完全平方数的数量。
   • 初始时将所有 dp 元素设置为 max，表示这些金额无法组成。
   • dp[0] 初始化为 0，因为组成金额 0 不需要任何完全平方数。

2. 遍历完全平方数：

   • 外层循环遍历所有可能的完全平方数 i*i（即 1, 4, 9, 16 等）。

3. 更新 dp 数组：

   • 内层循环从 i*i 到目标金额 n 遍历，更新 dp[j]。
   • 对于每个金额 j，如果 dp[j - i*i] 不等于 max（表示金额 j - i*i 可以由完全平方数组成），则更新 dp[j] 为 dp[j - i*i] + 1 和当前 dp[j] 的最小值。
   • dp[j - i*i] + 1 表示在 j - i*i 的基础上再加一个完全平方数 i*i。

4. 返回结果：

   • 返回 dp[n]，即组成目标金额 n 所需的最少完全平方数的数量。

三、单词拆分 

题目：

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

思路：

首先明确dp数组的含义，本题含义是串长度为 i 的字符串在字典中出现的情况为dp[i]=true，初始化dp[0]=true，若在字符串s中有一区间{i，j}的dp均为true，说明该段的字符在字典中可查，为true

代码：

public boolean wordBreak(String s, List<String> wordDict) {
    // 创建一个动态规划数组 dp
    // dp[i] 表示字符串 s 的前 i 个字符是否可以由 wordDict 中的单词组成
    boolean[] dp = new boolean[s.length() + 1];
    
    // 初始化 dp[0] 为 true
    // dp[0] = true 表示空字符串可以由零个单词组成
    dp[0] = true;

    // 遍历字符串 s 的每个位置 i
    for (int i = 1; i <= s.length(); i++) {
        // 遍历字典中的每个单词
        for (String word : wordDict) {
            int len = word.length();
            // 检查当前单词是否可以在当前位置 i 结束并且 dp[i - len] 是 true
            if (i >= len && dp[i - len] && word.equals(s.substring(i - len, i))) {
                // 如果满足条件，更新 dp[i] 为 true
                dp[i] = true;
                // 一旦找到满足条件的单词，退出当前循环，继续检查下一个位置
                break;
            }
        }
    }

    // 返回 dp[s.length()]，即字符串 s 是否可以由字典中的单词组成
    return dp[s.length()];
}

1. 初始化 dp 数组：

   • dp[i] 表示字符串 s 的前 i 个字符是否可以由 wordDict 中的单词组成。
   • dp[0] 初始化为 true，表示空字符串总是可以由零个单词组成。

2. 遍历字符串 s：

   • 外层循环遍历 s 的每个位置 i 从 1 到 s.length()。

3. 检查每个单词：

   • 内层循环遍历字典中的每个单词 word。
   • 计算单词的长度 len，并检查当前的 dp 状态：
     • i >= len 确保当前 i 足够大以容纳 word。
     • dp[i - len] 确保在 i - len 位置可以组成字符串。
     • word.equals(s.substring(i - len, i)) 检查子字符串是否等于当前单词。
   • 如果上述条件满足，将 dp[i] 设置为 true，并跳出内层循环以避免重复检查。

4. 返回结果：

   • 返回 dp[s.length()]，即整个字符串 s 是否可以由字典中的单词组成。

今天的学习就到这里