算法设计与分析第十周——动态规划之Perfect Squares

算法设计与分析第十周——动态规划之Perfect Squares

这周继续做动态规划的题，选了一道中等难度的题：Perfect Squares

目录

算法设计与分析第十周——动态规划之Perfect Squares

题目详情

题目分析及算法设计

代码详情

---

题目详情

给定一个正整数n，求出使用平方数相加得到给出的数的最小个数。

提示：

• 平方数为类似 1、4、9、16、25、36......的数。
• 可以使用重复的平方数。

样例分析：

• 输入12，可以通过平方数 4 + 4 + 4 得到，当然，也可以由 1 + 1 + 1 + 9 得到，但是因为3个4相加所用的平方数最少，所以结果为3。
• 类似的，输入11，得到结果为3，因为11 = 1 + 1 + 9。

---

题目分析及算法设计

既然是动态规划的题目，我们不妨按部就班：首先，设置好动态数组；其次，设计动态转换方程。

既然题目要求求和为n的平方数的最小个数，那么我们不妨维护一个动态数组 dp，其中 dp[ i ] 表示和为数字 i 的平方数的最小个数，动态数组 dp 长度为 n+1，dp[ 0 ] 初始化为0， 其他的值初始化为 INT_MAX，那么动态转换方程为：dp[i + j * j] = min(dp[i + j * j], dp[ i ] + 1)。其中 dp[ i ] 表示和为 i 目前为止所记录的平方数的最小个数，因为相加的只能是平方数，所以下一个得到的和将会是 i + j * j，此时，比较之前记录的 dp[i + j * j] 和 dp[ i ] 的值，把 dp[i + j * j] 更新为二者之中的更小者。

算法涉及到两个循环，外循环循环变量 i 遍历从 0 到 n，内循环循环变量 j 从 1 到 i+ j * j <= n，动态更新 dp 的各个位置的值，因为要求的和为n，所以最后 dp[ n ]  即为所求。

---

代码详情

int numSquares(int n) {
    //dp[i] means the least numbers to sum to get the number i
	vector<int> dp(n + 1, INT_MAX);
	dp[0] = 0;
	
	for (int i = 0; i <= n; i ++) {
		for (int j = 1; i + j * j <= n; j ++) {
			// add 1 or stay
			dp[i + j * j] = min(dp[i] + 1, dp[i + j * j]);
		}
	}
	
	return dp[n];
}

上面的代码十分直观地按照动态规划的思想来实现的，下面从另一角度来解决问题：初始化动态数组 dp 长度为1，dp[0] = 0。此后动态扩增 dp 数组，当然 dp[ i ] 表达的含义还是同上的，维护一个变量 mixNum 来记录和为当前 dp 数组长度的平方数的最小个数，使用 for 循环来动态更新 mixNum：mixNum = min (mixNum, dp[ dpSize - i * i] + 1)，i 为循环递增变量。代码详情如下：

int numSquares(int n) {
    vector<int> dp(1, 0);
    while (dp.size() <= n) {
        int size = dp.size(), mixNum = INT_MAX;
        for (int i = 1; i * i <= size; i ++) {
            mixNum = min(mixNum, dp[size - i * i] + 1);
        }
        dp.push_back(mixNum);
    }
    return dp[n];
}

---

谢谢阅读。