【力扣一刷】代码随想录day45（动态规划part7 - 背包问题专题：70. 爬楼梯 （进阶）、322. 零钱兑换 、279.完全平方数 ）

【70. 爬楼梯（进阶）】卡码网

分析：

1、求排列数 - 外层for正序遍历背包容量，内层for遍历物品
2、求方案数，用叠加的公式 dp[i] += dp[i - j] ，设置初始值dp[0] = 1
3、没有提供物品，物品起始就是爬的阶数，m >= 1，即[1, 2, ..., m]

import java.util.*;
public class Main{
    public static void main (String[] args) {
        Scanner sc = new Scanner(System.in);
        int n = sc.nextInt(); // m < n <= 32, n至少为2
        int m = sc.nextInt(); // 1 <= m < n，至少爬一阶
        
        // 求排列数 - 外层for正序遍历背包容量，内层for遍历物品
        int[] dp = new int[n + 1];
        dp[0] = 1;
        for (int i = 1; i < n + 1; i++){
            for (int j = 1; j <= m; j++){ // 1 <= m，至少爬一阶
                if (i >= j) dp[i] += dp[i - j];
            }
        }
        System.out.println(dp[n]);;
    }
}

• 时间复杂度：O(n×m)
• 空间复杂度：O(n)

【322. 零钱兑换】中等题（偏难）

分析：

1、硬币可以无限次取，属于完全背包问题，正向遍历背包容量

2、求的是最少硬币数， dp[j] = Math.min(dp[j], dp[j - coins[i]] + 1);

3、初始值除了dp[0]都应该初始化为amount+1，因为coins数组中的硬币值至少为1，对于amount总金额，最多amount个硬币叠加，初始化为amount+1可以防止计算的值被初始值覆盖。只有dp[0] = 0，是因为当amount=0时至少需要0个硬币，而且假如不设置dp[0] = 0，后面的值就都是amount+1。

4、如果最后的dp[amount]还是amount+1，证明不能恰好凑出amount，返回-1。

class Solution {
    public int coinChange(int[] coins, int amount) {
        int[] dp = new int[amount + 1];
        Arrays.fill(dp, amount + 1); // 防止计算出来的值被初始值覆盖
        dp[0] = 0; // 容量为0时，需要的最少硬币数为0，如果不设置dp[0]=0，后面的值都是amount+1
        // 完全背包，求组合数
        for (int i = 0; i < coins.length; i++) {
            for (int j = coins[i]; j < amount + 1; j++){
                dp[j] = Math.min(dp[j], dp[j - coins[i]] + 1);
            }
        }
        // 如果dp[amount]还是初始值，说明不能恰好凑成amount，返回-1
        return dp[amount] == amount + 1 ? -1 : dp[amount];
    }
}

• 时间复杂度：O(M×N)，M是硬币的种类数，N是amount的数值大小
• 空间复杂度：O(N)

【279.完全平方数】中等题（有点抽象）

分析：

1、可以无限次取同一个完全平方数，属于完全背包问题，正序遍历背包容量。

2、求的是和为n的完全平方数的最少数量，递推公式dp[j] = Math.min(dp[j], dp[j - i * i] + 1);

3、设置初始值，和上一题的思路一致。

难点：

本题没有直接给出物品列表，但是可以自行在遍历过程中构造。

class Solution {
    public int numSquares(int n) {
        int[] dp = new int[n+1];
        Arrays.fill(dp, n+1); // 最小的完全平方数是1，和为n的完全平方数的最多数量为n，设置n+1即可。
        dp[0] = 0;
        for (int i = 1; i * i <= n; i++){ // 遍历的物品是：1, 4, 9, ...
            for (int j = i * i ; j < n + 1; j++){ // 遍历的背包容量要>=完全平方数，才能考虑是否加上完全平方数
                dp[j] = Math.min(dp[j], dp[j - i * i] + 1);
            }
        }
        return dp[n];
    }
}

• 时间复杂度：O(√n×n)，√n是<=n的完全平方数的最多数量，n是背包容量
• 空间复杂度：O(n)