70. 爬楼梯 - 力扣(LeetCode)
1.确定dp数组以及下标的含义:爬到有i个台阶的楼顶,有dp[i]种方法。
2.确定递推公式:dp[i] += dp[i - j]
3.dp数组如何初始化: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:target放在外循环,将nums放在内循环。(排序)
/**
* 70. 爬楼梯---进阶版
* 假设你正在爬楼梯。需要 n 阶你才能到达楼顶。
* 每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢?
*
* @param n
* @return
*/
public int climbStairs1(int n) {
int[] dp = new int[n + 1];
int m = 2;
dp[0] = 1;
for (int j = 1; j <= n; j++) {
for (int i = 1; i <= m; i++) {
if (j >= i) {
dp[j] += dp[j - i];
}
}
}
return dp[n];
}
322. 零钱兑换 - 力扣(LeetCode)
1.确定dp数组以及下标的含义:凑足总额为j所需钱币的最少个数为dp[j]
2.确定递推公式:dp[j] = min(dp[j - coins[i]] + 1, dp[j]);
3.dp数组如何初始化: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。本题并不强调集合是组合还是排列。所以本题的两个for循环的关系是:外层for循环遍历物品,内层for遍历背包或者外层for遍历背包,内层for循环遍历物品都是可以的!
/**
* 322. 零钱兑换
* 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。
*
* @param coins
* @param amount
* @return
*/
public int coinChange(int[] coins, int amount) {
int[] dp = new int[amount + 1];
Arrays.fill(dp, Integer.MAX_VALUE);
dp[0] = 0;
for (int i = 0; i < coins.length; i++) {
for (int j = coins[i]; j <= amount; j++) {
if (dp[j - coins[i]] != Integer.MAX_VALUE) {
dp[j] = Math.min(dp[j - coins[i]] + 1, dp[j]);
}
}
}
return dp[amount] == Integer.MAX_VALUE ? -1 : dp[amount];
}
279. 完全平方数 - 力扣(LeetCode)
1.确定dp数组(dp table)以及下标的含义:和为j的完全平方数的最少数量为dp[j]
2.确定递推公式:dp[j] = min(dp[j - i * i] + 1, dp[j]);
3.dp数组如何初始化: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。非0下标的dp[j]一定要初始为最大值,这样dp[j]在递推的时候才不会被初始值覆盖。
4.确定遍历顺序: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!
/**
* 279. 完全平方数
* 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。
*
* @param n
* @return
*/
public int numSquares(int n) {
int[] dp = new int[n + 1];
Arrays.fill(dp, Integer.MAX_VALUE);
dp[0] = 0;
for (int i = 0; i * i <= n; i++) {
for (int j = i * i; j <= n; j++) {
if (dp[j - i * i] != Integer.MAX_VALUE) {
dp[j] = Math.min(dp[j - i * i] + 1, dp[j]);
}
}
}
return dp[n] == Integer.MAX_VALUE ? -1 : dp[n];
}