动态规划 | 完全背包问题 | 组成背包的`最少`元素数量| leecode刷题笔记

跟随carl代码随想录刷题
语言：python

---

• 如果求组合数就是外层for循环遍历物品，内层for遍历背包。
• 如果求排列数就是外层for遍历背包，内层for循环遍历物品。
• 如果把遍历nums（物品）放在外循环，遍历target的作为内循环的话，举一个例子：计算dp[4]的时候，结果集只有{1,3}这样的集合，不会有{3,1}这样的集合，因为nums遍历放在外层，3只能出现在1后面！

求组成背包的最少元素数量，无所谓组合数还是排列数，因为顺序不重要。所以遍历的时候，可以先遍历物品，再遍历背包；也可以先遍历背包，再遍历物品。

322. 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

题目分析

动态规划五部曲

1. dp[i]表示：凑成总金额是i的最少硬币个数是dp[i]
2. dp[i] = min(dp[i], dp[i - coins[j]]+1)
3. 初始化：dp[0] = 0。因为递推公式中是求min，所以应该初始化一个最大的数
4. 确定遍历顺序：本题不强调是组合还是排列，遍历顺序不重要。
5. 举例推导dp数组

完整代码如下

class Solution:
    def coinChange(self, coins: List[int], amount: int) -> int:
        # 初始化
        dp = [amount + 1] * (amount + 1)
        dp[0] = 0

        # 遍历（顺序不重要）
        for coin in coins:
            for j in range(coin, amount + 1):
                dp[j] = min(dp[j], dp[j - coin] + 1)
        if dp[amount] < amount + 1:
            return dp[amount]
        else:
            return -1

279. 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

题目分析

1. dp[j]表示：和为j的完全平方数的最小数量是dp[j]
2. dp[j] = min(dp[j], dp[j - i*i] + 1)
3. 初始化：dp[0] = 0，非零下标一定要初始化为最大值，这样才不会被覆盖：``
4. 本题求最小数，不要求是组合数还是排列数，所以两种遍历方式都可以。
5. 举例

完整代码如下

在循环里使用i*i

class Solution:
    def numSquares(self, n: int) -> int:
        # 初始化
        dp = [n + 1] * (n + 1)
        dp[0] = 0

        # 遍历（顺序不重要）：这里选择先遍历物品，再遍历背包
        for i in range(1, n+1):  # 边界很重要
            for j in range(i*i, n + 1):
                dp[j] = min(dp[j], dp[j - i*i] + 1)
        
        return dp[n]

提前定义nums

class Solution:
    def numSquares(self, n: int) -> int:
        # 初始化
        nums = [i**2 for i in range(1, n+1) if i**2 <= n]
        dp = [10**4] * (n+1)
        dp[0] = 0
        # 遍历背包
        for j in range(1, n+1):
            for num in nums:
                if j >= num:
                    dp[j] = min(dp[j], dp[j - num] + 1)
        return dp[n]

139. 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。请你判断是否可以利用字典中出现的单词拼接出 s 。
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

题目分析

可以出现重复元素，所以是完全背包问题。

1. dp[i]表示：如果字符串长度为i，dp[i]为True，那么表示可以拆分为一个或多个在字典中出现的单词。
2. 如果dp[j]是True，且[j, i]区间的字符串出现在字典里，那么dp[i]一定为True（j < i）。所以，递推公式为：
   • if dp[j] and j < i and :
     • dp[i] == True
3. 初始化：dp[i]是否为真，与前一个是否为真密切相关。所以，dp[0] == True，否则后面都是False了。
   • dp[0]表示，如果字符串为空，那么出现在字典里。
   • 题目中字符串不为空，因此，dp[0]为True完全是为了推导公式。
4. 遍历顺序
   • 本题要求的是”是否出现过“，所以排列数和组合数都可以。
   • 因为要求子串，所以最好是把背包放外层，物品放内层。
5. 推导

完整代码如下

class Solution:
    def wordBreak(self, s: str, wordDict: List[str]) -> bool:
        # 初始化
        dp = [False] * (len(s) + 1)
        dp[0] = True

        # 遍历
        for j in range(1, len(s)+1):
            for word in wordDict:
                if j >= len(word):
                    dp[j] = dp[j] or (dp[j - len(word)] and word == s[j - len(word):j])
                    # 如果前一个为真，并且该字符串在列表中，则返回真，否则返回Flase
        return dp[len(s)]