LeetCode 279. Perfect Squares（完全平方数）

题目：

分析：
拿完全平方数凑一个值，这是不是很类似拿硬币凑一个金额的问题，经典的的动态规划题型。一开始我想尝试用递归搜索去求解，但递归的弊端还是很明显，递归几乎等同于枚举，如果能使用动态规划，那么优先使用动态规划，动态规划的时间复杂度几乎是线性的。题目类型很多，但依然脱离不了几个常见的解题模型，在解题前先想想它是属于哪一类题目的，再用相应的方法求解。
如何使用动态规划来解决：
动态规划的关键是得到状态和状态转移方程，这里是状态是凑每个总和所需要的平方数的最小数量，状态就像是一个坐标轴，它的值就是需要的平方数的数量。状态转移方程是通过之前已经得到的状态来调整当前状态，在这题中就是通过几种可能的平方值去尝试，选择最小的结果。比如dp[0]=0,dp[1]=1,dp[2]=dp[1]+1=2,dp[3]=dp[2]+1=3,dp[4]=dp[4-4]+1=1，最后在计算dp[4]的地方使用1个4去替换了4个1，这就是通过比对dp[4-4]+1小于dp[4-1]+1，于是确定dp[4]=1。
代码实现：

class Solution {
    public int numSquares(int n) {
    	ArrayList<Integer> arrayList=new ArrayList<>();
    	int i=1;
    	while(i*i<=n){
    		arrayList.add(i*i);
    		i+=1;
    	}
        int[] dp=new int[n+1];
        dp[0]=0;
        dp[1]=1;
        for(int j=2;j<=n;j++){
        	int min=10000;
        	for(int k=0;k<arrayList.size();k++){
        		if(j-arrayList.get(k)>=0&&dp[j-arrayList.get(k)]+1<min){
        			dp[j]=dp[j-arrayList.get(k)]+1;
        			min=dp[j];
        		}
        	}
        }
        return dp[n];
    }      
}

另附上硬币凑钱的代码：
初始化的思路略有不同，这段代码初始化的时候先为dp数组赋予了一个很大的数。而上面的代码在每一步计算中都使用一个较大的变量来保存，本质是一样的。

	/**
	 * 动态规划1：钱币选择问题
	 */
	public void dp1()
	{
		int[] money={1,3,5,7};
		int sum=24;
		int result = DP1(money,sum);
		System.out.println(result);
	}
	/**
	 * 动态规划1：钱币选择问题
	 * @return
	 */
	private int DP1(int[] money,int sum)
	{
       int[] number = new int[sum+1];
       for(int m =0;m<number.length;m++)//初始化一个较大的值
       {
    	   number[m]=m;
       }       
       for(int i=1;i<=sum;i++) //循环获取不同面值对应的最小数量
       {
    	   for(int j=0;j<money.length;j++) //循环拿可能情况进行比对
    	   {
    		   if(i>=money[j]&&number[i-money[j]]+1<number[i]) //满足更小条件则赋值
    		       number[i]=number[i-money[j]]+1;  //如果发现有更小的情况就更新数值		
    	   }
       }
       return number[sum];
	}