代码随想录刷题笔记 DAY 50 | 爬楼梯 进阶版 | 零钱兑换 No. 322 | 完全平方数 No.279

Day 50

01. 爬楼梯（进阶版）

题目链接

代码随想录题解

<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. 1 阶 + 1 阶 + 1 阶段
2. 1 阶 + 2 阶
3. 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）

题目链接

代码随想录题解

<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）

题目链接

代码随想录题解

<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];
    }
}