欢迎关注公众号 pythonhonor,一起学习交流。
给定正整数 n,找到若干个完全平方数(比如 1, 4, 9, 16, ...)使得它们的和等于 n。你需要让组成和的完全平方数的个数最少。
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.
方案:动态规划
这个问题要求我们找出由完全平方数组合成给定数字的最小个数。我们将问题重新表述成:
给定一个完全平方数列表和正整数 n,求出完全平方数组合成 n 的组合,要求组合中的解拥有完全平方数的最小个数。
注:可以重复使用列表中的完全平方数。
从上面对这个问题的叙述来看,它似乎是一个组合问题,对于这个问题,一个直观的解决方案是使用暴力枚举法,我们枚举所有可能的组合,并找到完全平方数的个数最小的一个。我们可以用下面的公式来表述这个问题:
num_squares(n) = min(num_squares(n-k + 1)), where k in num_squares
从上面的公式中,我们可以将其转换为递归解决方案。使用暴力枚举法会超出时间限制的原因很简单,因为我们重复的计算了中间解。你可能注意到从公式看来,这个问题和斐波那契数问题类似。和斐波那契数一样,我们有几种更有效的方法来计算解,而不是简单的递归。
解决递归中堆栈溢出的问题的一个思路就是使用动态规划 (DP) 技术,该技术建立在重用中间解的结果来计算终解的思想之上。
要计算 num_squares(n) 的值,首先要计算 n 之前的所有值,即 num_squares(n-k)。如果我们已经在某个地方保留了数字 n-k 的解,那么就不需要使用递归计算。
算法:
基于上述所说,我么可以在以下步骤实现 DP 解决方案。
-
几乎所有的动态规划解决方案,首先会创建一个一维或多维数组 DP 来保存中间子解的值,以及通常数组最后一个值代表最终解。注意,我们创建了一个虚构的元素dp[0]=0 来简化逻辑,这有助于在在余数 (n-k) 恰好是一个完全平方数的情况下。
-
我们还需要预计算小于给定数字 n 的完全平方数列表(即 square_nums)。
-
在主要步骤中,我们从数字 1 循环到 n,计算每个数字 i 的解(即num_squares(i))。每次迭代中,我们将 num_squares(i) 的结果保存在 dp[i] 中。
-
在循环结束时,我们返回数组中的最后一个元素作为解决方案的结果。
-
在下图中,我们演示了如何计算与 dp[4] 和 dp[5] 相对应的 num_squares(4) 和num_squares(5) 的结果。
代码:
class Solution:
def numSquares(self, n: int) -> int:
square_nums = [i**2 for i in range(0, int(math.sqrt(n))+1)]
dp = [0] + [float('inf')] * n
for i in range(1, n+1):
for square in square_nums:
if i >= square:
dp[i] = min(dp[i], dp[i-square] + 1)
return dp[-1]