Day45｜动态规划part07：70. 爬楼梯 （进阶）、322. 零钱兑换、279. 完全平方数

70. 爬楼梯（进阶）

之前已经做过这题了，实际上这题可以抽象成一个完全背包问题（只有两种物品，一个1一个2，但是可以无限取），接下来用动规五部曲重新分析一下。

1. 确定dp数组及其含义

dp[j]表示爬楼梯为j时的爬法。

2. 确定递推公式

跟之前组合问题总和一样，问的是爬法数量：

dp[j] = dp[j - value[i]]，其中value={1,2}

3. dp数组初始化

dp[0] = 1；

4. 确定遍历顺序

这是背包里求排列问题，即：1、2 步 和 2、1 步都是上三个台阶，但是这两种方法不一样！

所以需将target放在外循环，将nums放在内循环。

每一步可以走多次，这是完全背包，内循环需要从前向后遍历。

5. 模拟打印dp数组

class Solution {
    public int climbStairs(int n) {
        if(n <= 2){
            return n;
        }
        int dp[] = new int[n + 1];//dp[n]表示到n阶的种数
        dp[0] = 1;

        for(int i = 1; i <= n; i++){
            for(int j = 1; j <= 2; j++){
                if(i - j >= 0){
                    dp[i] += dp[i - j];
                }
            }
        }
        return dp[n];
    }
}

总结：排列先遍历背包，组合先遍历物品。

322. 零钱兑换

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。

递推公式：dp[j] = Math.min(dp[j], dp[j - coins[i]] + 1);

遍历顺序：不分排列组合，内外顺序无所谓，遍历背包从小到大。

最终代码：

class Solution {
    public int coinChange(int[] coins, int amount) {
        //dp[j]表示总金额为j时最少需要多少硬币
        int dp[] = new int[amount + 1];
        dp[0] = 0;
        for(int i = 1; i <= amount; i++){
            dp[i] = Integer.MAX_VALUE;
        }
        for(int i = 0; i < coins.length; i++){
            for(int j = coins[i]; j <= amount; j++){
                if(dp[j - coins[i]] != Integer.MAX_VALUE){
                    dp[j] = Math.min(dp[j], dp[j - coins[i]] + 1);
                }

            }
        }

        return (dp[amount] == Integer.MAX_VALUE) ? -1:dp[amount];
    }
}

279. 完全平方数

跟上面那题一样，还是完全背包，不过换成用i的平方来填背包了：

class Solution {
    public int numSquares(int n) {
        int dp[] = new int[n + 1];
        //dp[i]表示和为i的完全平方数的最小数量。
        dp[0] = 0;
        for(int i = 1; i <= n; i++){
            dp[i] = Integer.MAX_VALUE;
        }
        for(int i = 0; i * i <= n; i++){
            for(int j = i * i; j <= n; j++){
                if(dp[j - i* i] != Integer.MAX_VALUE){
                    dp[j] = Math.min(dp[j], dp[j - i * i] + 1);
                }


            }
        }
        return dp[n];
    }
}

• 递推公式：dp[j] = Math.min(dp[j], dp[j - i * i] + 1);
• 遍历顺序：先物品，后背包，从小到大。
• 初始化：dp[0]=0,其余为最大值。