文章目录
Day 50
01. 爬楼梯(进阶版)
<1> 题目
题目描述
假设你正在爬楼梯。需要 n 阶你才能到达楼顶。
每次你可以爬至多m (1 <= m < n)个台阶。你有多少种不同的方法可以爬到楼顶呢?
注意:给定 n 是一个正整数。
输入描述
输入共一行,包含两个正整数,分别表示n, m
输出描述
输出一个整数,表示爬到楼顶的方法数。
输入示例
3 2
输出示例
3
提示信息
数据范围:1 <= m < n <= 32;
当 m = 2,n = 3 时,n = 3 这表示一共有三个台阶,m = 2 代表你每次可以爬一个台阶或者两个台阶。
此时你有三种方法可以爬到楼顶。
- 1 阶 + 1 阶 + 1 阶段
- 1 阶 + 2 阶
- 2 阶 + 1 阶
<2> 笔记
在刷本题之前建议大家将昨天的 零钱兑换II(No. 518)吃透,可以去看一下我的博客,里面对为什么 先遍历背包得到的是排列,先遍历物品得到的是组合 进行了详细的解释:
代码随想录刷题笔记 DAY 43 | 完全背包基础 | 零钱兑换 II No.518 | 组合总和 IV No.377
给定一个楼梯高度 n
,我们每次可以从 [1, m]
中选择 一个步数去爬这个楼梯,问有多少种方法可以到达顶层。这其实就是一个完全背包问题的变式,也就是背包容量为 n
的一个背包,每次可以选择的物品的重量为 [1, m]
问有多少种方法将背包填满;这和昨天那道题目的递推公式差不多,即
dp[j] += dp[j - nums[i]]
但本题中是以 m
的形式给出的,所以其实 nums[i] = i
。
接下来就是去判断本题是 排列还是选择问题,即 1 2 1
和 1 1 2
是不是同一种方法,通过题目描述可以很容易看出来本题是排列问题,所以先去遍历背包得到如下的递推公式:
for (int j = 0; j <= n; j++) {
for (int i = 1; i <= m; i++) {
if (j >= i) dp[j] = dp[j] + dp[j - i];
}
}
由于本题和昨天的非常类似,这里并没有做很详细的描述,大家把昨天那道题搞懂之后会发现本题非常容易。
<3> 代码
import java.util.*;
public class Main {
public static void main(String[] args) {
Scanner sc = new Scanner(System.in);
int n = sc.nextInt();
int m = sc.nextInt();
int[] dp = new int[n + 1];
dp[0] = 1;
for (int j = 0; j <= n; j++) {
for (int i = 1; i <= m; i++) {
if (j >= i) dp[j] = dp[j] + dp[j - i];
}
}
System.out.println(dp[n]);
}
}
02. 零钱兑换(No. 322)
<1> 题目
给你一个整数数组 coins
,表示不同面额的硬币;以及一个整数 amount
,表示总金额。
计算并返回可以凑成总金额所需的 最少的硬币个数 。如果没有任何一种硬币组合能组成总金额,返回 -1
。
你可以认为每种硬币的数量是无限的。
示例 1:
输入:coins = [1, 2, 5], amount = 11
输出:3
解释:11 = 5 + 5 + 1
示例 2:
输入:coins = [2], amount = 3
输出:-1
示例 3:
输入:coins = [1], amount = 0
输出:0
提示:
1 <= coins.length <= 12
1 <= coins[i] <= 231 - 1
0 <= amount <= 104
<2> 笔记
本题也是一个类背包问题,给定一个背包容量,问装满这个背包 最少需要多少个物品;大家看到这类题目可能会感到有些熟悉,因为前面做到过装满这个背包 最多 可以使用多少个物品的题目:一和零(No. 474),这里附上我的题解,感兴趣的可以去看一下:代码随想录刷题笔记 DAY 42 | 最后一块石头的重量 II No.1049 | 目标和 No.494 | 一和零 No.474。
对于一个硬币同样有两种选择:取或者不取,如果不取的话那结果就仍然是 dp[j]
(由于本题是完全背包问题所以这里的取是指的某一个硬币),如果要取得话,是要建立在 dp[j - coins[i]]
的基础上来取的,即 dp[j - coins[i]] + 1
,由于本题问的是最小需要多少种,所以就是对这两个值取一个最小值。
然后就是本题的初始化条件,这次就不能随便初始化为 0
了,因为如果 dp[i]
是 0
的话,那无论经过几次取最小值得到的都是 0
,所以这里就将其初始化成 Integer.MAX_VALUE
此时才能保证每次取最小是有效的,而将一个 int
赋值成为 Integer.MAX_VALUE
再看一下递归公式中的这一部分 dp[j - coins[i]] + 1
这部分会导致数组的越界,而同时如果一个节点是初始化的值,也恰好说明是无法通过这个节点的状态去推出其他节点的,所以到遇到值仍然是初始化的值的节点应该 直接跳过。
for (int i = 0; i < coins.length; i++) {
for (int j = coins[i]; j < amount + 1; j++) {
if (dp[j - coins[i]] != max) {
dp[j] = Math.min(dp[j], dp[j - coins[i]] + 1);
}
}
}
<3> 代码
class Solution {
public int coinChange(int[] coins, int amount) {
int max = Integer.MAX_VALUE;
int[] dp = new int[amount + 1];
if (amount == 0) return 0;
for (int j = 0; j < dp.length; j++) {
// 初始化
dp[j] = max;
}
dp[0] = 0;
for (int i = 0; i < coins.length; i++) {
for (int j = coins[i]; j < amount + 1; j++) {
if (dp[j - coins[i]] != max) {
dp[j] = Math.min(dp[j], dp[j - coins[i]] + 1);
}
}
}
return dp[amount] ==max ? -1 : dp[amount];
}
}
03. 完全平方数(No. 279)
<1> 题目
给你一个整数 n
,返回 和为 n
的完全平方数的最少数量 。
完全平方数 是一个整数,其值等于另一个整数的平方;换句话说,其值等于一个整数自乘的积。例如,1
、4
、9
和 16
都是完全平方数,而 3
和 11
不是。
示例 1:
输入:n = 12
输出:3
解释:12 = 4 + 4 + 4
示例 2:
输入:n = 13
输出:2
解释:13 = 4 + 9
提示:
1 <= n <= 104
<2> 笔记
本题是给定一个数字,来求得这个数 最少 能由几个完全平方数构成,而完全平方数指的是值等于一个 整数的平方 的数。
这里补充一下判断一个数是否是完全平方数的方法,因为本题的动规解法并不会用到这个方法
public boolean isPerfectSquare(int x) { int y = (int) Math.sqrt(x); return y * y == x; }
刷过上一题的朋友会发现本题和上题非常类似,甚至还会比较简单,因为在 1
也是完全平方数,所以不会出现 前面的数字仍然是初始化的值的的情况。
首先来确认 dp
数组的含义,dp[j]
为 j
最少由 dp[j]
个完全平方数来构成,而 dp[j]
可以通过
dp[j - i * i]
来求得,其实这些数字就是物品,而数字的平方就是它的 value
,从头开始遍历物品即可来逐次取最小值即可。
其实还有一种方式就是
dp[j] = Math.min(dp[j], dp[j - i] + dp[i])
比如说15
可以拆分成1
和14
,2
和13
这样逐次求取直到遍历完求取最小值,但是要使用这种方式必须要先将 完全平方数 的部分全部初始化为1
所以要比上面那种方式慢一些。
接下来就是初始化了,本题和上题相同都是要去求取最小值,所以为了有效的取值,要初始化为 Integer.MAX_VALUE
。
遍历顺序:由于本题不涉及排列组合问题,是一个类似于完全背包的题目,所以先遍历背包还是先遍历物品都可以。
然后就是 dp[0]
要初始化为 0
否则求解就没有意义了,全部都是初始化的值了。
<3> 代码
class Solution {
public int numSquares(int n) {
int[] dp = new int[n + 1];
int max = Integer.MAX_VALUE;
for (int i = 0; i < dp.length; i++) {
dp[i] = max;
}
dp[0] = 0;
for (int i = 1; i < dp.length; i++) {
for (int j = 1; j * j <= i; j++) {
dp[i] = Math.min(dp[i], dp[i - j * j] + 1);
}
}
return dp[n];
}
}