任意一个数x,都能表示为 x = a + b*b(即使x本身就是个完全平方数),因此求解x的最少完全平方数缩小为求解a的最少完全平方数,即求“最优子结构”,典型的动态规划思想。dp[i]表示i的最小完全平方因子个数,且dp[i]=min{dp[i],dp[i-1]+1,dp[i-4]+1,dp[i-9]+1....dp[1]+1}.
那么,对于数组中的i,有如下可能:
1.如果 i=0,则 dp[0] = 0,
2.如果i是平方数:1、4、9…,则对应的dp[1]、dp[4]、dp[9]都为1
3.除此之外的i,可以不难分析出状态转移方程:dp[i] = min(dp[i], dp[ i - j * j]+1),其中j是满足:j*j < i,的平方数的平方根。
public class Solution {
public int numSquares(int n) {
int[] dp = new int[n + 1];
for (int i = 1; i <= n; i++) {
dp[i] = Integer.MAX_VALUE;
}
for (int i = 1; i <= n; i++) {
int sqrt = (int)Math.sqrt(i);
// If the number is already a perfect square,
// then dp[number] can be 1 directly. This is
// just a optimization for this DP solution.
if (sqrt * sqrt == i) {
dp[i] = 1;
continue;
}
// To get the value of dp[n], we should choose the min
// value from:
// dp[n - 1] + 1,
// dp[n - 4] + 1,
// dp[n - 9] + 1,
// dp[n - 16] + 1
// and so on...
for (int j = 1; j <= sqrt; j++) {
int dif = i - j * j;
dp[i] = Math.min(dp[i], (dp[dif] + 1));
}
}
return dp[n];
}
}
class Solution {
public int numSquares(int n) {
int[] dp = new int[n + 1];
for (int i = 1; i <= n; i++) {
int min = Integer.MAX_VALUE;
for (int j = 1; i - j * j >= 0; j++) {
min = Math.min(dp[i - j * j] + 1, min);
}
dp[i] = min;
}
return dp[n];
}
}