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];
}