做网站设分辨率关键词优化排名公司

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

解题思路一：Python 动态规划五部曲（完全平方数就是物品（可以无限件使用），凑个正整数n就是背包，问凑满这个背包最少有多少物品？）

1. 确定dp数组（dp table）以及下标的含义
   dp[j]：和为j的完全平方数的最少数量为dp[j]

2. 确定递推公式
   dp[j] 可以由dp[j - i * i]推出， dp[j - i * i] + 1 便可以凑成dp[j]。

此时我们要选择最小的dp[j]，所以递推公式：dp[j] = min(dp[j - i * i] + 1, dp[j]);

3. dp数组如何初始化
   dp[0]表示 和为0的完全平方数的最小数量，那么dp[0]一定是0。

有同学问题，那0 * 0 也算是一种啊，为啥dp[0] 就是 0呢？

看题目描述，找到若干个完全平方数（比如 1, 4, 9, 16, …），题目描述中可没说要从0开始，dp[0]=0完全是为了递推公式。

非0下标的dp[j]应该是多少呢？

从递归公式dp[j] = min(dp[j - i * i] + 1, dp[j]);中可以看出每次dp[j]都要选最小的，所以非0下标的dp[j]一定要初始为最大值，这样dp[j]在递推的时候才不会被初始值覆盖。

4. 确定遍历顺序
   我们知道这是完全背包，

如果求组合数就是外层for循环遍历物品，内层for遍历背包。

如果求排列数就是外层for遍历背包，内层for循环遍历物品。

在动态规划：322. 零钱兑换 (opens new window)中我们就深入探讨了这个问题，本题也是一样的，是求最小数！

所以本题外层for遍历背包，内层for遍历物品，还是外层for遍历物品，内层for遍历背包，都是可以的！

5. 举例推导dp数组
   已输入n为5例，dp状态图如下：
   

class Solution:def numSquares(self, n: int) -> int:dp = [float('inf')] * (n + 1) # return dp[n]dp[0] = 0for i in range(n+1): # 注意需要dp[n]，那么这里需要n+1j = 1while j ** 2 <= i:dp[i] = min(dp[i], dp[i - j ** 2] + 1)j += 1return dp[n]

时间复杂度：O(n)
空间复杂度：O(n)

解题思路二：0

时间复杂度：O(n)
空间复杂度：O(n)

解题思路三：0

时间复杂度：O(n)
空间复杂度：O(n)