【重点】【DP】279.完全平方数

文章介绍了使用动态规划方法解决numSquares问题,通过对比记忆和与完全背包问题类似思路,找到分解整数为平方数的最小数量。关键代码展示了如何计算给定整数n所需的最小平方数个数。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题目

法1:dp

兑换零钱相同思路,对比记忆!!!
跟完全背包问题的解法一致!

Python

class Solution:
    def numSquares(self, n: int) -> int:
        dp = [n] * (n+1) # dp[i]表示和为i的完全平方数的最少数量
        dp[0] = 0
        for i in range(1, n+1):
            k = 1
            while k * k <= i:
                dp[i] = min(dp[i-k*k] + 1, dp[i])
                k += 1
        
        return dp[n]

Java

class Solution {
    public int numSquares(int n) {
        int[] dp = new int[n + 1];
        for (int i = 1; i <= n; ++i) {
            int min = n;
            for (int k = 1; k * k <= i; ++k) {
                min = Math.min(min, 1 + dp[i - k * k]);
            }
            dp[i] = min;
        }

        return dp[n];
    }
}
### 关于完全平方数算法题解决方案 #### 动态规划方法解决完全平方数问题 对于给定正整数 \(n\),目标是找到组成该数值所需的最少数量的完全平方数之和。此问题可以通过动态规划来有效求解[^1]。 定义 `dp[i]` 表示构成数字 i 所需的最小完全平方数的数量,则状态转移方程可以表示为: \[ dp[j] = \min(dp[j], dp[j-k*k]+1),\quad 对于所有的 k, j >= k*k \] 其中,\(k*k\) 是小于等于 \(j\) 的最大可能的完全平方数。初始条件设置为 `dp[0]=0`,因为构建数字 0 不需要任何完全平方数。 下面是 Python 实现代码: ```python def numSquares(n): INF = float('inf') dp = [INF] * (n + 1) dp[0] = 0 for i in range(1, n + 1): min_val = INF j = 1 while j*j <= i: min_val = min(min_val, dp[i - j*j]) j += 1 dp[i] = min_val + 1 return dp[n] ``` 这种方法的时间复杂度大约为 O(n*sqrt(n)),空间复杂度为 O(n),适用于大多数情况下的输入规模[^2]。 #### 广度优先搜索(BFS) 考虑到寻找最短路径的思想,在本题中也可以采用广度优先搜索的方法来进行解答。通过将每一个节点视为当前剩余要被组成的值,并尝试减去所有可行的完全平方数直到达到零为止。由于 BFS 总是从距离起点最近的地方开始探索,因此当第一次访问到终点时即找到了最优解。 实现上会涉及到队列结构以及记录已经处理过的结点防止重复计算等问题。虽然理论上BFS也能解决问题但是实际应用中通常不如DP效率高。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值