第一题是进阶版爬楼梯https://kamacoder.com/problempage.php?pid=1067,相比原版爬楼梯,本题的每次爬梯数可以是从1到n的任意整数。将其看成一个容量为n的完全背包问题,物品为每次可爬的楼梯数量,容易看出物品是可以重复选取的。进行动规五步曲的分析:dp[j]为爬到第j层的方法数量,即到达楼梯数量为j的楼顶共有dp[j]种方法。已知背包容量,装满背包的方法dp[j] += dp[j - nums[i]]。将dp[0]初始化为1,剩余dp数组初始化为0。本题中,先爬1级再爬2级和先爬2级再爬1级显然属于不同的方法,因此要先遍历背包,再遍历物品,遍历物品时需从前向后遍历。
#include <iostream>
#include <vector>
using namespace std;
int main(){
int n, m;
while(cin >> n >> m){
vector<int> dp(n + 1, 0);
dp[0] = 1;
for(int i = 1; i <= n; i++){
for(int j = 1; j <= m; j++){
if (i - j >= 0)
dp[i] += dp[i - j];
}
}
std::cout << dp[n] << std::endl;
}
}
第二题是零钱兑换https://leetcode.cn/problems/coin-change/description/,如何使用最少的零钱数凑满背包,是一道完全背包的应用题。上动规五步曲:dp[j] 凑足总额为j的最小零钱数量;当遍历到面值为coins[i]的零钱时有两种选择,取与不取。取coins[i]时,dp[j] = dp[j - coins[i]] + 1;不取coins[i]时,dp[j] = dp[j],因此dp[j] = min(dp[j], dp[j - coins[i]] + 1)。题目中给出了dp[0] = 0,剩余dp数组值只有初始化为INT_MAX时,才能保证状态转移时能取到最小。由于本题中要求的是最少零钱数,遍历的顺序就没有具体要求了,先背包后物品,先物品后背包均可。
class Solution {
public://先物品后背包
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 - coins[i]] + 1, dp[j]);
}
}
if (dp[amount] == INT_MAX)
return -1;
return dp[amount];
}
};
class Solution {
public://先背包后物品
int coinChange(vector<int>& coins, int amount) {
vector<int> dp(amount + 1, INT_MAX);
dp[0] = 0;
for (int i = 1; i <= amount; i++){
for (int j = 0; j < coins.size(); j++){
if (i >= coins[j] && dp[i - coins[j]] != INT_MAX )
dp[i] = min(dp[i - coins[j]] + 1, dp[i]);
}
}
if (dp[amount] == INT_MAX)
return -1;
return dp[amount];
}
};
第三题是完全平方数https://leetcode.cn/problems/perfect-squares/,稍加分析可以发现本题与零钱兑换完全一致,就是把1,4,9这些平方数视为零钱面额,代码稍作修改就能ac。
class Solution {
public:
int numSquares(int n) {
vector<int> nums(101, 0);
for (int i = 0; i < nums.size(); i++){
nums[i] = (i + 1) * (i + 1);
}
vector<int> dp(10001, INT_MAX);
dp[0] = 0;
for (int i = 0; i < nums.size(); i++){
for (int j = nums[i]; j <= n; j++){
if (dp[j - nums[i]] != INT_MAX){
dp[j] = min(dp[j], dp[j - nums[i]] + 1);
}
}
}
return dp[n];
}
};