本文主要是介绍LeetCode算法题解(动态规划)|LeetCode322. 零钱兑换、LeetCode279. 完全平方数,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
一、LeetCode322. 零钱兑换
题目链接:322. 零钱兑换
题目描述:
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
算法分析:
题目给出硬币的数量无限,所以这是一道完全背包问题。
定义dp数组及下标含义:
dp[j]表示凑成金额为j所需的硬币最少个数。
递推公式:
dp[j]=min(dp[j],dp[j-coins[i]]+1),现有硬币coins[i],那么凑成金额为j所需的最少硬币数可有凑成金额为j-coins[i]所需最少硬币数推出。
初始化:
因为要求的是最少硬币数,所以除dp[0]初始化成0之外,其他所有情况都要初始化成最大值。
遍历顺序:
先遍历不同面额的硬币,在遍历总金额。
打印dp数组进行验证。
代码如下:
class Solution {public int coinChange(int[] coins, int amount) {int[] dp = new int[amount + 1];for(int i = 1; i < amount + 1; i++) dp[i] = Integer.MAX_VALUE;dp[0] = 0;//除了dp[0]其他都初始化成最大值for(int i = 0; i < coins.length; i++) {//遍历每种硬币for(int j = coins[i]; j <= amount; j++) {//遍历总金额if(dp[j - coins[i]] != Integer.MAX_VALUE) {//注意如果dp[j-coins[i]]是个最大int类型整数的话,dp[j-coins[i]]+1会溢出,变成负数,从而影响比较结果,所以只有它不是初始最大值是,才有选择的必要。dp[j] = Math.min(dp[j], dp[j - coins[i]] + 1);}}}return dp[amount] == Integer.MAX_VALUE ? -1 : dp[amount];}
}
二、LeetCode279. 完全平方数
题目链接:279. 完全平方数
题目描述:
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
算法分析:
因为每个完全平方数可以无限取,所以这也是一道完全背包问题。
定义dp数组及下标含义:
dp[j]表示组成和为j的完全平方数最少数量。
递推公式:
dp[j]=min(dp[j],dp[j-i*i]+1),现有完全平方数i*i,那么组成j的最少完全平方数数量可有dp[j-i*i]推导而出,也即组成j-i*i的最少完全平方数数量加上现在这个完全平方数(i*i)。
初始化:
因为要求的是完全平方数最少数量,所以除dp[0]初始化成0外,其他所有情况都要初始化成最大值。
遍历顺序:
先遍历小于等于目标和n的每个完全平方数,在遍历总和。
打印dp数组进行验证。
代码如下:
class Solution {public int numSquares(int n) {int[] dp = new int[n + 1];//除dp[0]意外,其他所有情况都初始化成最大值dp[0] = 0;for(int i = 1; i <= n; i++)dp[i] = Integer.MAX_VALUE;for(int i = 1; i * i <= n; i++) {//遍历每个完全平方数for(int j = i * i; j <= n; j++) {//遍历总和dp[j] = Math.min(dp[j],dp[j-i * i] + 1);}}return dp[n];}
}
总结
这两道题都是完全背包问题中,求最少元素个数的情况。
这篇关于LeetCode算法题解(动态规划)|LeetCode322. 零钱兑换、LeetCode279. 完全平方数的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!