注意点:
1.本题可以理解为完全背包问题的排序问题
2. 递归公式是 dp[i] += dp[i - j],那么dp[0] 一定为1,dp[0]是递归中一切数值的基础所在,如果dp[0]是0的话,其他数值都是0了
class Solution {
public:
int climbStairs(int n) {
// 动态规划方法
// dp[j]的含义就是当到达的台阶数是n的话,到达楼顶n的方法为dp[j]
vector<int> dp(n+1, 0);
// 既然递归公式是 dp[i] += dp[i - j],那么dp[0] 一定为1,dp[0]是递归中一切数值的基础所在,如果dp[0]是0的话,其他数值都是0了。
dp[0] = 1;
// 组合问题,先背包后物品
// 背包就是台阶总数n,物品就是每一步走的0或者1步
for(int j = 0; j <= n; j++) {
for(int i = 1; i <=2; i++) {
if(j >= i) dp[j] += dp[j-i];
}
}
return dp[n];
}
};
注意点:
1.本题是计算最小的硬币的个数的,所以将dp数组初始化为INT_MAX
2.if (dp[j - coins[i]] != INT_MAX)的含义是当dp[j]的数目等于INT_MAX的是时候,再加1会变成最小值,所以需要if条件语句进行判断
class Solution {
public:
int coinChange(vector<int>& coins, int amount) {
//dp[j]表示达到金额j时,所需的最小硬币数为dp[j]
vector<int> dp(amount + 1, INT_MAX);
dp[0] = 0;
for (int i = 0; i < coins.size(); i++) { // 遍历物品
for (int j = coins[i]; j <= amount; j++) { // 遍历背包
//dp[j-coins[i]]可能为INT_MAX,再加1就超出长度
if (dp[j - coins[i]] != INT_MAX) { // 如果dp[j - coins[i]]是初始值则跳过
dp[j] = min(dp[j - coins[i]] + 1, dp[j]);
}
}
}
if (dp[amount] == INT_MAX) return -1;
return dp[amount];
}
};
注意点:
1.和 322. 零钱兑换一样
class Solution {
public:
int numSquares(int n) {
vector<int> dp(n+1, INT_MAX);
dp[0] = 0;
// 先物品后背包
for(int i = 1; i*i <= n; i++) {
for(int j = i*i; j <= n; j++) {
dp[j] = min(dp[j], dp[j-i*i]+1);
}
}
return dp[n];
}
};