題目
給定正整數 n,找到若干個完全平方數(比如 1, 4, 9, 16, …)使得它們的和等於 n。你需要讓組成和的完全平方數的個數最少。
示例 1:
輸入: n = 12
輸出: 3
解釋: 12 = 4 + 4 + 4.
示例 2:
輸入: n = 13
輸出: 2
解釋: 13 = 4 + 9.
來源:力扣(LeetCode)
鏈接:https://leetcode-cn.com/problems/perfect-squares
思路
這個題目和整數拆分類似,也是需要分割整數,不過要求不同。
與整數拆分一樣,我們先來看一個簡單的數字12。自頂向下的考慮問題,畫出它的遞歸樹。
這裏主要畫了9+1+1+1=12 和 4+4+4=12這兩個路徑。這裏的遞歸終止條件是遇到了完全平方數(1,4,9…)。 雖然這裏沒有畫出重疊子問題,但是顯然是存在的,比如左邊求解3和最右邊的求解3(省略了,沒畫出來)。
基於此就可以開始實現遞歸版的代碼了。
代碼
遞歸
import math
class Solution:
# 返回次數
def num(self,n):
# 遞歸終止條件,任何完全平方數都可以。如果對開根號的結果取整後等於取整前,說明是一個完全平方數。
if math.sqrt(n) == int(math.sqrt(n)):
return 1 # 返回次數1
cur_min = n # 當前最小次數,初始化爲n
# 從int(math.sqrt(n))到1進行拆分
for i in range(int(math.sqrt(n)), 0, -1):
# 遞歸計算不同平方數的拆分次數,並找到最小的
cur_min = min(1 + self.num(n - (i ** 2)), cur_min)
return cur_min
def numSquares(self, n: int) -> int:
return self.num(n)
代碼很簡單,來看下結果吧。
下面改成記憶化搜索的方式。
記憶化搜索
dp = {1:1}
class Solution(object):
# 返回次數
def num(self,n):
# 遞歸返回條件,任何完全平方數都可以
if n not in dp:
if math.sqrt(n) == int(math.sqrt(n)):
dp[n] = 1
return 1
cur_min = n # 當前最小次數
for i in range(int(math.sqrt(n)), 0, -1):
cur_min = min(1 + self.num(n - (i ** 2)), cur_min)
dp[n] = cur_min
return dp[n]
def numSquares(self, n):
return self.num(n)
和遞歸的代碼差不多,增加了一個dp
字典來保存之前計算過的值。
此時代碼就能通過了,最後改成動態規劃。
動態規劃
動態規劃的寫法和整數拆分類似。
class Solution(object):
def numSquares(self, n):
"""
:type n: int
:rtype: int
"""
# #dp[0]表示剛好分割結束,此時不佔用分割次數。
dp = [0] + [1] + [n] * (n-1)
# 從2到n
for i in range(2,n+1):
# 依次計算dp[i]
for j in range(int(math.sqrt(i)), 0, -1):
dp[i] = min(1 + dp[i - (j ** 2)], dp[i])
return dp[n]
第一次看到這個結果以爲代碼哪裏寫錯了,然後去看了一下官方解析。改成了以下寫法:
class Solution(object):
def numSquares(self, n):
"""
:type n: int
:rtype: int
"""
# 先計算出所有可能的平方數
square_nums = [i**2 for i in range(0, int(math.sqrt(n))+1)]
dp = [float('inf')] * (n+1) #初始化
# bottom case
dp[0] = 0
for i in range(1, n+1):
for square in square_nums:
if i < square: #如果i - square < 0則終止
break
dp[i] = min(dp[i], dp[i-square] + 1)
return dp[-1]
這樣確實快了一點,但還沒有記憶化搜索快。
而且在Python3中都通不過,但是可以充分說明了動態規劃的自底向上的思路是怎樣的。