代码随想录算法训练营第四十五天 | LeetCode 70. 爬楼梯、322. 零钱兑换、279. 完全平方数

简介: 代码随想录算法训练营第四十五天 | LeetCode 70. 爬楼梯、322. 零钱兑换、279. 完全平方数

代码随想录算法训练营第四十五天 | LeetCode 70. 爬楼梯、322. 零钱兑换、279. 完全平方数

文章链接:爬楼梯零钱兑换完全平方数

视频链接:零钱兑换完全平方数

1. LeetCode 70. 爬楼梯

1.1 思路

  1. 我们做动态规划基础时做过这题,现在可以当做完全背包来做。楼梯阶数 n 即背包容量,一次跳 1 阶或者 2 阶即物品,这两个阶数就是物品。问跳到 n 有多少种方法即装满背包有多少种方法
  2. 确定 dp 数组及其下标的含义:dp[i] 爬到有 i 个台阶的楼顶有 dp[i] 种方法
  3. 递推公式:在494. 目标和518. 零钱兑换 II377. 组合总和 Ⅳ中讲过求装满背包有多少种方法,递推公式一般是 dp[i]+=dp[i-nums[j]]。本题 dp[i] 有 dp[i-1]、dp[i-2]等等即 dp[i-j]。因此递推公式就是 dp[i]+=dp[i-j]
  4. dp 数组的初始化:根据递推公式 dp[0] 只能 为 1 不能为 0,为 0 后面就无法递推
  5. 遍历顺序:本题求的是排列问题,因为 用 1 步再用 2 步和用 2 步再用 1 步是两种方法,因此要先背包后物品,这样才是求排列数。for(int i=1;i<=n;i++)for(int j=1;j<=2;j++)这里 j<=2 是因为只有两种物品。然后只有 i>=j 时才 dp[i]+=dp[i-j] 因为只有当前背包容量大于等于物品重量才记录当前方法

1.2 代码

class Solution {
    public int climbStairs(int n) {
        int[] dp = new int[n + 1];
        int m = 2; //有兩個物品:itme1重量爲一,item2重量爲二
        dp[0] = 1;
        for (int i = 1; i <= n; i++) { // 遍历背包
            for (int j = 1; j <= m; j++) { //遍历物品
                if (i >= j)  //當前的背包容量 大於 物品重量的時候,我們才需要記錄當前的這個裝得方法(方法數+)
      dp[i] += dp[i - j];
            }
        }
        return dp[n];
    }
}

2. LeetCode 322. 零钱兑换

2.1 思路

  1. 518. 零钱兑换 II我们要求的是有多少种方法能兑换成 amount,本题中是要求用最少的硬币数兑换成 amount,本题物品就是硬币,背包容量就是 amount
  2. dp 数组及其下标的含义:dp[j]: 凑足金额为 j 所需的硬币最少个数为 dp[j]
  3. 递推公式:凑足金额为 j-coins[i] 的最少个数为 dp[j-coins[i]],只需要再加一个硬币 coins[i] 即dp[j-coins[i]]+1 就是 dp[j]。所以 d[j] 要取所有 dp[j-coins[i]]+1 中最少的即 dp[j]=Math.min(dp[j-coins[i]]+1,dp[j])
  4. dp 数组的初始化:dp[0]=0 因为总金额为 0 所需硬币肯定为 0,其余下标,由于递推公式是求最小值,因此其他下标的值应为 Interger.MAX_VALUE,否则就有可能把递推公式得到的值给覆盖掉
  5. 遍历顺序:本题先物品后背包或者先背包后物品都可以,因为是求硬币最少数,硬币有无顺序均可,不影响最少个数,所以本题不强调组合还是排列。求组合数就先物品再背包,求排列数就是先背包再物品。我们就先物品再背包 for(int i=0;i<coins.length;i++)for(int j=coins[i];j<=amonut;j++)if(dp[j-coins[i]]!=Interger.MAX_VALUE)就dp[j]=Math.min(dp[j-coins[i]]+1,dp[j])
  6. 打印 dp 数组:用于 debug

2.2 代码

class Solution {
    public int coinChange(int[] coins, int amount) {
        int max = Integer.MAX_VALUE;
        int[] dp = new int[amount + 1];
        //初始化dp数组为最大值
        for (int j = 0; j < dp.length; j++) {
            dp[j] = max;
        }
        //当金额为0时需要的硬币数目为0
        dp[0] = 0;
        for (int i = 0; i < coins.length; i++) {
            //正序遍历:完全背包每个硬币可以选择多次
            for (int j = coins[i]; j <= amount; j++) {
                //只有dp[j-coins[i]]不是初始最大值时,该位才有选择的必要
                if (dp[j - coins[i]] != max) {
                    //选择硬币数目最小的情况
                    dp[j] = Math.min(dp[j], dp[j - coins[i]] + 1);
                }
            }
        }
        return dp[amount] == max ? -1 : dp[amount];
    }
}

3. LeetCode 279. 完全平方数

3.1 思路

  1. 本题要求用最少的完全平方数凑成 n,物品就是这些完全平方数,容量就是 n,思路跟518. 零钱兑换 II是一样的
  2. dp 数组及其下标的含义:dp[j]: 和为 j 所需的完全平方数最少个数为 dp[j]
  3. 递推公式:dp[j] 可以由 dp[j-ii] 推出,dp[j-ii]+1 便可以凑成 dp[j},dp[j]=Math.min(dp[j-ii]+1,dp[j])。这里写成 ii 就是保证这是完全平方数
  4. dp 数组的初始化:dp[0]=0 因为和为 0 所需最少完全平方数肯定为 0,本题没有 0*0 的完全平方数,因此其他下标的值应为 Interger.MAX_VALUE
  5. 遍历顺序:本题先物品后背包或者先背包后物品都可以,因为是求完全平方数的最少数,有无顺序不影响最少个数,因此不强调组合还是排列。for(int i=1;ii<=n;i++)for(int j=ii;j<=n;j++)ii 要小于等于 n,如果比 n 都大了就没有意义了,然后 j 就是从 ii 这个物品开始,为了就是 dp[j-i*i] 不要出现负数
  6. 打印 dp 数组:主要用于 debug

3.2 代码

class Solution {
    // 版本一,先遍历物品, 再遍历背包
    public int numSquares(int n) {
        int max = Integer.MAX_VALUE;
        int[] dp = new int[n + 1];
        //初始化
        for (int j = 0; j <= n; j++) {
            dp[j] = max;
        }
  //如果不想要寫for-loop填充數組的話,也可以用JAVA內建的Arrays.fill()函數。
  //Arrays.fill(dp, Integer.MAX_VALUE);
        //当和为0时,组合的个数为0
        dp[0] = 0;
        // 遍历物品
        for (int i = 1; i * i <= n; i++) {
            // 遍历背包
            for (int j = i * i; j <= n; j++) {
                //if (dp[j - i * i] != max) {
                    dp[j] = Math.min(dp[j], dp[j - i * i] + 1);
                //}
    //不需要這個if statement,因爲在完全平方數這一題不會有"湊不成"的狀況發生( 一定可以用"1"來組成任何一個n),故comment掉這個if statement。
            }
        }
        return dp[n];
    }
}
相关文章
|
1月前
|
算法
Leetcode 初级算法 --- 数组篇
Leetcode 初级算法 --- 数组篇
38 0
|
7天前
|
算法
分享一些提高二叉树遍历算法效率的代码示例
这只是简单的示例代码,实际应用中可能还需要根据具体需求进行更多的优化和处理。你可以根据自己的需求对代码进行修改和扩展。
|
10天前
|
存储 算法 Java
leetcode算法题-有效的括号(简单)
【11月更文挑战第5天】本文介绍了 LeetCode 上“有效的括号”这道题的解法。题目要求判断一个只包含括号字符的字符串是否有效。有效字符串需满足左括号必须用相同类型的右括号闭合,并且左括号必须以正确的顺序闭合。解题思路是使用栈数据结构,遍历字符串时将左括号压入栈中,遇到右括号时检查栈顶元素是否匹配。最后根据栈是否为空来判断字符串中的括号是否有效。示例代码包括 Python 和 Java 版本。
|
18天前
|
算法 测试技术 开发者
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗;代码审查通过检查源代码发现潜在问题,提高代码质量和团队协作效率。本文介绍了一些实用的技巧和工具,帮助开发者提升开发效率。
19 3
|
17天前
|
分布式计算 Java 开发工具
阿里云MaxCompute-XGBoost on Spark 极限梯度提升算法的分布式训练与模型持久化oss的实现与代码浅析
本文介绍了XGBoost在MaxCompute+OSS架构下模型持久化遇到的问题及其解决方案。首先简要介绍了XGBoost的特点和应用场景,随后详细描述了客户在将XGBoost on Spark任务从HDFS迁移到OSS时遇到的异常情况。通过分析异常堆栈和源代码,发现使用的`nativeBooster.saveModel`方法不支持OSS路径,而使用`write.overwrite().save`方法则能成功保存模型。最后提供了完整的Scala代码示例、Maven配置和提交命令,帮助用户顺利迁移模型存储路径。
|
30天前
|
存储 缓存 算法
如何通过优化算法和代码结构来提升易语言程序的执行效率?
如何通过优化算法和代码结构来提升易语言程序的执行效率?
|
1月前
|
搜索推荐
插入排序算法的讲解和代码
【10月更文挑战第12天】插入排序是一种基础的排序算法,理解和掌握它对于学习其他排序算法以及数据结构都具有重要意义。你可以通过实际操作和分析,进一步深入了解插入排序的特点和应用场景,以便在实际编程中更好地运用它。
|
23天前
|
缓存 分布式计算 监控
优化算法和代码需要注意什么
【10月更文挑战第20天】优化算法和代码需要注意什么
17 0
|
2月前
|
Unix Shell Linux
LeetCode刷题 Shell编程四则 | 194. 转置文件 192. 统计词频 193. 有效电话号码 195. 第十行
本文提供了几个Linux shell脚本编程问题的解决方案,包括转置文件内容、统计词频、验证有效电话号码和提取文件的第十行,每个问题都给出了至少一种实现方法。
LeetCode刷题 Shell编程四则 | 194. 转置文件 192. 统计词频 193. 有效电话号码 195. 第十行
|
3月前
|
搜索推荐 索引 Python
【Leetcode刷题Python】牛客. 数组中未出现的最小正整数
本文介绍了牛客网题目"数组中未出现的最小正整数"的解法,提供了一种满足O(n)时间复杂度和O(1)空间复杂度要求的原地排序算法,并给出了Python实现代码。
113 2