这是我参与更文挑战的第 11 天,活动详情查看:更文挑战
题目描述
这是 LeetCode 上的 279. 完全平方数 ,难度为 中等。
Tag : 「完全背包」、「动态规划」、「背包问题」
给定正整数 n,找到若干个完全平方数(比如 1, 4, 9, 16, ...)使得它们的和等于 n。你需要让组成和的完全平方数的个数最少。
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 <=
完全背包(朴素解法)
首先「完全平方数」有无限个,但要凑成的数字是给定的。
因此第一步可以将范围在 内的「完全平方数」预处理出来。
这一步其实就是把所有可能用到的「物品」预处理出来。
从而将问题转换为:给定了若干个数字,每个数字可以被使用无限次,求凑出目标值 所需要用到的是最少数字个数是多少。
由于题目没有限制我们相同的「完全平方数」只能使用一次,属于「完全背包」模型。
目前我们学过的两类背包问题(01 背包 & 完全背包)的原始状态定义都是两维:
-
第一维 代表物品编号
-
第二维 代表容量
其中第二维 又有「不超过容量 」和「容量恰好为 」两种定义,本题要我们求「恰好」凑出 所需要的最少个数。
因此我们可以调整我们的「状态定义」:
为考虑前 个数字,凑出数字总和 所需要用到的最少数字数量。
不失一般性的分析 ,对于第 个数字(假设数值为 ),我们有如下选择:
- 选 个数字 ,此时有
- 选 个数字 ,此时有
- 选 个数字 ,此时有 ...
- 选 个数字 ,此时有
因此我们的状态转移方程为:
当然,能够选择 个数字 的前提是,剩余的数字 也能够被其他「完全平方数」凑出,即 为有意义的值。
代码(朴素完全背包问题的复杂度是 的,有超时风险,让物品下标从 开始,单独处理第一个物品的 代码勉强能过):
class Solution {
int INF = 0x3f3f3f3f;
public int numSquares(int n) {
// 预处理出所有可能用到的「完全平方数」
List<Integer> list = new ArrayList<>();
int t = 1;
while (t * t <= n) {
list.add(t * t);
t++;
}
// f[i][j] 代表考虑前 i 个物品,凑出 j 所使用到的最小元素个数
int m = list.size();
int[][] f = new int[m + 1][n + 1];
// 当没有任何数时,除了 f[0][0] 为 0(花费 0 个数值凑出 0),其他均为无效值
Arrays.fill(f[0], INF);
f[0][0] = 0;
// 处理剩余数的情况
for (int i = 1; i <= m ; i++) {
int x = list.get(i - 1);
for (int j = 0; j <= n; j++) {
// 对于不选第 i 个数的情况
f[i][j] = f[i - 1][j];
// 对于选 k 次第 i 个数的情况
for (int k = 1; k * x <= j; k++) {
// 能够选择 k 个 x 的前提是剩余的数字 j - k * x 也能被凑出
if (f[i - 1][j - k * x] != INF) {
f[i][j] = Math.min(f[i][j], f[i - 1][j - k * x] + k);
}
}
}
}
return f[m][n];
}
}
class Solution {
int INF = -1;
public int numSquares(int n) {
// 预处理出所有可能用到的「完全平方数」
List<Integer> list = new ArrayList<>();
int idx = 1;
while (idx * idx <= n) {
list.add(idx * idx);
idx++;
}
// f[i][j] 代表考虑前 i 个物品,凑出 j 所使用到的最小元素个数
int len = list.size();
int[][] f = new int[len][n + 1];
// 处理第一个数的情况
for (int j = 0; j <= n; j++) {
int t = list.get(0);
int k = j / t;
if (k * t == j) { // 只有容量为第一个数的整数倍的才能凑出
f[0][j] = k;
} else { // 其余则为无效值
f[0][j] = INF;
}
}
// 处理剩余数的情况
for (int i = 1; i < len; i++) {
int t = list.get(i);
for (int j = 0; j <= n; j++) {
// 对于不选第 i 个数的情况
f[i][j] = f[i - 1][j];
// 对于选 k 次第 i 个数的情况
for (int k = 1; k * t <= j; k++) {
// 能够选择 k 个 t 的前提是剩余的数字 j - k * t 也能被凑出
// 使用 0x3f3f3f3f 作为最大值(预留累加空间)可以省去该判断
if (f[i - 1][j - k * t] != INF) {
f[i][j] = Math.min(f[i][j], f[i - 1][j - k * t] + k);
}
}
}
}
return f[len - 1][n];
}
}
- 时间复杂度:预处理出所有可能用到的数字复杂度为 ,共有 个状态需要转移,每个状态转移最多遍历 次,因此转移完所有状态复杂度为 。整体复杂度为 。
- 空间复杂度:。
完全背包(进阶)
显然朴素版的完全背包进行求解复杂度有点高。
这次我们还是按照同样的思路再进行一次推导,加强对这种「一维空间优化」方式的理解。
从二维的状态转移方程入手进行分析(假设第 个数字为 ):
至此,我们得到了最终的状态转移方程:
同时,预处理「物品」的逻辑也能直接下放到转移过程去做。
代码:
class Solution {
public int numSquares(int n) {
int[] f = new int[n + 1];
Arrays.fill(f, 0x3f3f3f3f);
f[0] = 0;
for (int t = 1; t * t <= n; t++) {
int x = t * t;
for (int j = x; j <= n; j++) {
f[j] = Math.min(f[j], f[j - x] + 1);
}
}
return f[n];
}
}
- 时间复杂度:共有 个状态需要转移,复杂度为 。
- 空间复杂度:。
背包问题(目录)
-
01背包 : 背包问题 第一讲
-
【练习】01背包 : 背包问题 第二讲(416. 分割等和子集)
-
【学习&练习】01背包 : 背包问题 第三讲(416. 分割等和子集)
-
-
完全背包 : 背包问题 第四讲
-
【练习】完全背包 : 背包问题 第五讲(279. 完全平方数)
-
【练习】完全背包 : 背包问题 第六讲(322. 零钱兑换)
-
【练习】完全背包 : 背包问题 第七讲(518. 零钱兑换 II)
-
-
多重背包 : 背包问题 第八讲
-
多重背包(优化篇)
-
混合背包
- 【练习】混合背包
-
分组背包
- 【练习】分组背包
-
多维背包
- 【练习】多维背包 : 背包问题 第 * 讲(474. 一和零)
- 【练习】多维背包 : 背包问题 第 * 讲(879. 盈利计划)
-
树形背包
- 【练习】树形背包
-
背包求方案数
- 【练习】背包求方案数 : 背包问题 第 * 讲(494. 目标和)
- 【练习】背包求方案数 : 背包问题 第 * 讲(879. 盈利计划)
-
背包求具体方案
- 【练习】背包求具体方案 : 背包问题 第 * 讲(1049. 最后一块石头的重量 II)
-
泛化背包
- 【练习】泛化背包
最后
这是我们「刷穿 LeetCode」系列文章的第 No.279
篇,系列开始于 2021/01/01,截止于起始日 LeetCode 上共有 1916 道题目,部分是有锁题,我们将先将所有不带锁的题目刷完。
在这个系列文章里面,除了讲解解题思路以外,还会尽可能给出最为简洁的代码。如果涉及通解还会相应的代码模板。
为了方便各位同学能够电脑上进行调试和提交代码,我建立了相关的仓库:github.com/SharingSour… 。
在仓库地址里,你可以看到系列文章的题解链接、系列文章的相应代码、LeetCode 原题链接和其他优选题解。