【Lintcode】513. Perfect Squares

题目地址：

https://www.lintcode.com/problem/perfect-squares/description

给定一个正整数$n$，问其能最少写成多少个完全平方数之和。完全平方数从$1$开始。

法1：数论。设答案是$x$。首先由拉格朗日四平方和定理（Lagrange’s Four-Square Theorem）知道，$x\le 4$。注意到如果$4|n$，那么有$f[n]=f[n/4]$，证明如下：首先可以把$n/4$的分解中的每个平方数乘以$2$得到$n$的一个分解，所以有$f[n]\le f[n/4]$。接着，如果存在某个$n$的分解$n=a^2+b^2+c^2+d^2$使得$a,b,c,d$都是偶数，那么显然$f[n/4]\le f[n]$，结论成立。如果其中有一个是奇数，那么由$4|n$知道$f[n]=4$，再由四平方和定理知道$4=f[n]\le f[n/4]\le 4$，知道$f[n/4]=4$，所以结论也成立。
由上知，可以直接考虑$n$不是$4$的倍数的情况。由勒让德三平方和定理（Legendre’s Three-Square Theorem），$x=4$当且仅当$n\equiv 7(\mathrm{m}\mathrm{o}\mathrm{d}8)$（原定理是这么说的，如果某个自然数$n$能表为三个整数的平方和，当且仅当$n$不能写成$4^a(8b+7)$的形式。那么也就是说，如果$4\nmid n$，由于$n$能写成少于$3$个整数平方和，必然能写成恰好$3$个整数平方和，补$0^2$就行，所以$n\equiv 7(\mathrm{m}\mathrm{o}\mathrm{d}8)\iff x=4$）。如果$n$是完全平方数那么显然$x=1$，如果$n$不是完全平方数但能表为两个平方数之和，显然$x=2$。判断完$x$是否是$1,2,4$之后如果仍然不成立，那么就知道$x=3$了。代码如下：

public class Solution {
    public int numSquares(int n) {
    	// 把4除干净
        while (n % 4 == 0) {
            n /= 4;
        }
        
        // 套用勒让德定理
        if (n % 8 == 7) {
            return 4;
        }
        
        // n是完全平方数，则返回1
        if (isSquare(n)) {
            return 1;
        }
        
        // 判断n是否可以表为两个平方数之和
        for (int i = 1; i * i <= n; ++i) {
            if (isSquare(n - i * i)) {
                return 2;
            }
        }
        
        // 剩余的情况就是3了
        return 3;
    }

	// 开个函数用于判断n是否是完全平方数
    boolean isSquare(int n) {
        int sq = (int) Math.sqrt(n);
        return n == sq * sq;
    }
}

时间复杂度$O(n/k+k)$，其中$n=4^{s}k$，$4\nmid k$。

法2：动态规划。设$f[i]$为$i$能表示的最少完全平方数之和的个数。那么有$f[i]={\min }_{1\le j^2\le i}(f[i-j^2]+1)$。代码如下：

import java.util.Arrays;

public class Solution {
    /**
     * @param n: a positive integer
     * @return: An integer
     */
    public int numSquares(int n) {
        // write your code here
        // 稍微做一下优化
        while (n % 4 == 0) {
            n /= 4;
        }
        
        int[] dp = new int[n + 1];
        Arrays.fill(dp, Integer.MAX_VALUE);
        dp[0] = 0;
    
        for (int i = 1; i <= n; i++) {
            for (int j = 1; j * j <= i; j++) {
                dp[i] = Math.min(dp[i], dp[i - j * j] + 1);
            }
        }
        
        return dp[n];
    }
}

时间复杂度$O(n^{\frac{3}{2}})$。