代码随想录算法训练营第45天 | 动态规划 part07 ● 70. 爬楼梯 (进阶)● 322. 零钱兑换 ● 279.完全平方数

文章介绍了使用动态规划解决爬楼梯、零钱兑换和完全平方数问题的思路,强调了初始化和遍历顺序的重要性,展示了如何利用完全背包的思想来优化算法。
摘要由CSDN通过智能技术生成

# 70 爬楼梯 ,用完全背包再做一次:

物品数组{1,2}就不用专门弄数组了,就for loop i ++ 就行


 int climbStairs(int n) {
        vector<int> dp(n + 1, 0);
        dp[0] = 1;
        for (int i = 1; i <= n; i++) { // 遍历背包
            for (int j = 1; j <= 2; j++) { // 遍历物品
                if (i - j >= 0) dp[i] += dp[i - j];
            }
        }
        return dp[n];
    }

自己写的时候本来想为step创个数组,联想到数组不太记得了,补充一下数组知识:

 

 #322. 零钱兑换 

自己几分钟基本快写出来了,初始化有点不对,看了下随想录的。

初始化很重要,毕竟是不断更新取min,所以初始化为INT_MAX。中间判断,如果需要利用的一个还是初始值,还没更新到,就说明这里走不通。

另外,遍历顺序,因为本题是最少数量,用排列或者组合遍历一遍都可以。所以遍历顺序,内外层怎么样都可以。不过感觉用排列好像有点浪费,没必要。

int coinChange(vector<int>& coins, int amount) {
        vector<int> dp(amount+1,INT_MAX);
        dp[0]=0;
        for(int i=0;i<coins.size();i++){
            for(int j=coins[i];j<=amount;j++){
                if (dp[j - coins[i]] != INT_MAX)
                    dp[j]=min(dp[j],dp[j-coins[i]]+1);
            }
        }
        if(dp[amount]==INT_MAX) return -1;
        return dp[amount];
    }

# 279.完全平方数

很快,(int i=1;i<=n;i++) 这里要取<= 因为要针对n=1的情况。遍历内外换一下也可以

int numSquares(int n) {
        vector<int> dp(n+1,INT_MAX);
        dp[0]=0;
        for(int i=1;i<=n;i++){
            for(int j=i*i;j<=n;j++){
                if(dp[j-i*i]!=INT_MAX){
                    dp[j]=min(dp[j-i*i]+1,dp[j]);
                }
            }
        }
        return dp[n];
    }

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值