【LeetCode】279. 完全平方数

欢迎关注公众号 pythonhonor，一起学习交流。

官方链接

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]