题目
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。
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.
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/perfect-squares
思路
这个题目和整数拆分类似,也是需要分割整数,不过要求不同。
与整数拆分一样,我们先来看一个简单的数字12。自顶向下的考虑问题,画出它的递归树。
这里主要画了9+1+1+1=12 和 4+4+4=12这两个路径。这里的递归终止条件是遇到了完全平方数(1,4,9…)。 虽然这里没有画出重叠子问题,但是显然是存在的,比如左边求解3和最右边的求解3(省略了,没画出来)。
基于此就可以开始实现递归版的代码了。
代码
递归
import math
class Solution:
# 返回次数
def num(self,n):
# 递归终止条件,任何完全平方数都可以。如果对开根号的结果取整后等于取整前,说明是一个完全平方数。
if math.sqrt(n) == int(math.sqrt(n)):
return 1 # 返回次数1
cur_min = n # 当前最小次数,初始化为n
# 从int(math.sqrt(n))到1进行拆分
for i in range(int(math.sqrt(n)), 0, -1):
# 递归计算不同平方数的拆分次数,并找到最小的
cur_min = min(1 + self.num(n - (i ** 2)), cur_min)
return cur_min
def numSquares(self, n: int) -> int:
return self.num(n)
代码很简单,来看下结果吧。
下面改成记忆化搜索的方式。
记忆化搜索
dp = {1:1}
class Solution(object):
# 返回次数
def num(self,n):
# 递归返回条件,任何完全平方数都可以
if n not in dp:
if math.sqrt(n) == int(math.sqrt(n)):
dp[n] = 1
return 1
cur_min = n # 当前最小次数
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)
和递归的代码差不多,增加了一个dp
字典来保存之前计算过的值。
此时代码就能通过了,最后改成动态规划。
动态规划
动态规划的写法和整数拆分类似。
class Solution(object):
def numSquares(self, n):
"""
:type n: int
:rtype: int
"""
# #dp[0]表示刚好分割结束,此时不占用分割次数。
dp = [0] + [1] + [n] * (n-1)
# 从2到n
for i in range(2,n+1):
# 依次计算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]
第一次看到这个结果以为代码哪里写错了,然后去看了一下官方解析。改成了以下写法:
class Solution(object):
def numSquares(self, n):
"""
:type n: int
:rtype: int
"""
# 先计算出所有可能的平方数
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则终止
break
dp[i] = min(dp[i], dp[i-square] + 1)
return dp[-1]
这样确实快了一点,但还没有记忆化搜索快。
而且在Python3中都通不过,但是可以充分说明了动态规划的自底向上的思路是怎样的。