代码随想录算法训练营第五十天|70. 爬楼梯 （进阶），322. 零钱兑换 ， 279.完全平方数

70. 爬楼梯 （进阶） 

这道题目 爬楼梯之前我们做过，这次再用完全背包的思路来分析一遍 

满背包有几种方法，递推公式一般都是dp[i] += dp[i - nums[j]];

代码随想录

public class Main{
    public static void main (String[] args) {
        Scanner sc = new Scanner(System.in);
        int n = sc.nextInt();
        int m = sc.nextInt();
        //dp[i]：爬到有i个台阶的楼顶，有dp[i]种方法
        //递推公式为：dp[i] += dp[i - j]
        int dp[] = new int[n + 1];
        dp[0] = 1;
        for (int j = 1; j <= n; j++) {
                for (int i = 1; i <= m; i++) {
                    if (j - i >= 0) dp[j] += dp[j - i];
                }
        }
        System.out.println(dp[n]);
    }
}

 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。

视频讲解：动态规划之完全背包，装满背包最少的物品件数是多少？| LeetCode：322.零钱兑换_哔哩哔哩_bilibili

代码随想录

class Solution {
    public int coinChange(int[] coins, int amount) {
        //dp[j]：凑足总额为j所需钱币的最少个数为dp[j]
        //dp[j] = min(dp[j - coins[i]] + 1, dp[j]);
        int dp[] = new int[amount + 1];
        for (int j = 0; j < dp.length; j++) {
            dp[j] = Integer.MAX_VALUE;
        }
        dp[0] = 0;
        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 - coins[i]] + 1, dp[j]);
                }
            }
        }
        return dp[amount] == Integer.MAX_VALUE ? -1 : dp[amount];
    }
}

 279.完全平方数  

本题 和 322. 零钱兑换 基本是一样的

视频讲解：动态规划之完全背包，换汤不换药！| LeetCode：279.完全平方数_哔哩哔哩_bilibili

代码随想录

class Solution {
    public int numSquares(int n) {
        //dp[j]代表和为j的完全平方数的最少数量
        //递推公式：min(dp[j], dp[j - i * i] + 1)
        int dp[] = new int[n + 1];
        for (int i = 0; i < dp.length; i++) {
            dp[i] = Integer.MAX_VALUE;
        }
        dp[0] = 0;
        for (int i = 1; i * i <= n; i++) {
            for (int j = 1; j <= n; j++) {
                if (j - i * i >= 0 && dp[j - i * i] != Integer.MAX_VALUE) {
                    dp[j] = Math.min(dp[j], dp[j - i * i] + 1);
                }
            }
        }
        return dp[n];
    }
}