当前:LC279 · 完全平方数 · 首次出现于 Day 37 · 路径:顶栏「56天打卡」→ 点击 LC 题号 → 逐题动画

LC279动态规划背包 DP · 完全平方状态表账本

完全平方数

n=12 最少几个完全平方和=3(4+4+4)。

题目是什么

n=12 最少几个完全平方和=3(4+4+4)。

解决什么问题

当前格依赖哪些已知状态,为什么这些状态已经计算完成?

核心结论

dp[i]=min(dp[i-j*j]+1) for j*j<=i;dp[0]=0。

01交互算法精讲

先说结论:这道题到底解决什么

怎样从“n=12 最少几个完全平方和=3(4+4+4)。”推导出 背包 DP · 完全平方,并证明每次状态变化都不会漏掉答案?

中心结论:dp[i]=min(dp[i-j*j]+1) for j*j<=i;dp[0]=0。

读完必须能回答
  1. 1.暴力方案在哪里重复计算,为什么仍然是正确基线?
  2. 2.当前格依赖哪些已知状态,为什么这些状态已经计算完成?
  3. 3.不变量“dp[i] 最少平方数个数。”为什么能保证算法安全前进?
02交互算法精讲

完整题目与题意拆解

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。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。

在本站主例中,n=12 最少几个完全平方和=3(4+4+4)。

算法最终需要得到或观察:答案 3。

把题目翻译成状态
  • 输入:n=12 最少几个完全平方和=3(4+4+4)。
  • 机器需要维护:dp 数组、j*j。
  • 最终可观察结果:答案 3。
动画 1 · 题意扫描

先看清算法到底要维护什么

先建立输入、目标、输出和第一批状态,不急着进入模板。

Step 1/20%
题目与输入建立输入、目标与算法心智

完全背包:每种硬币无限

正在加载算法场景...
03交互算法精讲

第一层方案:暴力做法

直接递归会反复求同一个子问题;动态规划把答案写入状态表并按依赖顺序复用。

暴力方案的价值是确认题意并提供正确性基线。它通常会覆盖所有候选, 但没有保存已经确认的信息,因此同一状态会被重新计算。

动画 2 · 暴力重复

重复工作究竟发生在哪里

把重复读取或重复搜索的区域明确标出,再决定优化必须保存什么。

Step 1/20%
先做对:建立暴力基线枚举所有候选并完整验证

完全背包:每种硬币无限

正在加载算法场景...
优化方向:dp[i]=min(dp[i-j*j]+1) for j*j<=i;dp[0]=0。
04交互算法精讲

整体地图:先做什么,再做什么

  1. 1建模把输入翻译成“状态表账本”,明确答案需要观察什么。
  2. 2状态只维护 dp 数组、j*j。
  3. 3转移每一步按照 dp[i]=min(dp[i-j*j]+1) for j*j<=i;dp[0]=0。
  4. 4收尾读取 答案 3。,并复核边界与复杂度。
05交互算法精讲

状态表账本:核心概念

先写清 dp 状态含义,再推导转移、初值和遍历顺序。

这道题不是为了记住一个组件名称,而是为了让状态具有可解释的语义:dp 数组、j*j。

核心不变量
  • dp[i] 最少平方数个数。
动画 3 · 核心概念

建立“状态表账本”心智模型

用主例建立核心状态,先预测下一步,再公开正确分支和理由。

Step 1/30%
题目与输入建立输入、目标与算法心智

完全背包:每种硬币无限

正在加载算法场景...
06交互算法精讲

核心机制:状态如何一步步变化

由拉格朗日的四平方定理可得,每个自然数都可以表示为四个整数平方之和。 其中四个数字是整数。四平方和定理证明了任意一个正整数都可以被表示为至多四个正整数的平方和。这给出了本题的答案的上界。 四平方和定理可以推出三平方和推论:当且仅当 {{ }} n \neq 4^{k} \times (8m + 7){{ }} 时,n 可以被表示为至多三个正整数的平方和。所以当 {{ }} n = 4^{k} (8m + 7){{ }} 时,n 只能被表示为四个正整数的平方和。此时我们可以直接返回 4。 当 {{ }} n \neq 4^{k} \times (8m + 7){{ }} 时,需要判断 n 到底可以分解成几个完全平方数之和。答案肯定是 1,2,3 中的一个。题目要求我们求最小的,所以从 1 开始一个个判断是否满足。如果答案为 1,代表 n 为完全平方数,这很好判断。如果答案为 2,代表 {{ }} n = a^{2} + b^{2} {{ }},枚举 {{ }} 1 \leqslant a \leqslant \sqrt{n} {{ }},判断 {{ }} n - a^{2} {{ }} 是否为完全平方数。当 1 和 2 都排除了,剩下的答案只能为 3 了。

dp[i]=min(dp[i-j*j]+1) for j*j<=i;dp[0]=0。

执行过程中持续维护:dp 数组、j*j。

正确性依赖以下不变量:dp[i] 最少平方数个数。

面试时可以压缩为:完全背包式 DP O(n·sqrt n)。

落到当前题,执行机制可以压缩为:dp[i]=min(dp[i-j*j]+1) for j*j<=i;dp[0]=0。每一次更新都必须保持核心不变量,而不是只让样例碰巧得到正确答案。

动画 4 · 机制构建

一次状态转移为什么成立

集中观察一次选择、计算和状态写回,让变量变化与原因同时出现。

Step 1/50%
dp[1] 用硬币 1: 0+1 = 1dp[a]=min(dp[a], dp[a-c]+1)

从 0 转移而来

正在加载算法场景...
07交互算法精讲

正确性证明:为什么不会漏答案

初始化

初始化:算法开始时,全部合法候选仍在状态表示范围内;dp[i] 最少平方数个数。

保持

保持:执行“dp[i]=min(dp[i-j*j]+1) for j*j<=i;dp[0]=0。”时,只删除已经能证明不可能的候选,并把新信息写回 dp 数组、j*j。

终止

终止:没有待处理状态或达到命中条件时,当前可观察结果就是“答案 3。”。

正确性抓手不是“样例跑通”,而是每一帧结束后仍能复述:dp[i] 最少平方数个数。
08交互算法精讲

完整执行过程

  1. 1题目与输入n=12 最少几个完全平方和=3(4+4+4)。 因为:dp[i]=min(dp[i-j*j]+1) for j*j<=i;dp[0]=0。
  2. 2dp[1] 用硬币 1: 0+1 = 1尝试每种硬币松弛。 因为:完全背包正序枚举容量。
  3. 3预测下一步先不要看下一帧——根据当前不变量,预测算法接下来会怎么动。 因为:主动预测会暴露你对不变量的真实理解,比被动看动画有效得多。
  4. 4dp[4] 用硬币 1: 3+1 = 4尝试每种硬币松弛。 因为:完全背包正序枚举容量。
  5. 5dp[5] 用硬币 1: 1+1 = 2尝试每种硬币松弛。 因为:完全背包正序枚举容量。
  6. 6dp[7] 用硬币 1: 3+1 = 4尝试每种硬币松弛。 因为:完全背包正序枚举容量。
  7. 7无法凑出返回 dp[amount]。 因为:O(amount·|coins|)。
  8. 8收尾与复杂度答案 3。 因为:时间 O(n) · 空间 O(1)。dp[i]=min(dp[i-j*j]+1) for j*j<=i;dp[0]=0。
动画 5 · 完整执行

从输入完整走到可观察结果

从主例第一帧运行到答案,时间轴始终显示当前状态、因果解释和下一步。

Step 1/80%
题目与输入建立输入、目标与算法心智

完全背包:每种硬币无限

正在加载算法场景...
09交互算法精讲

把动画和 Go 代码逐行对应

代码窗口不会按容易漂移的固定数字行号硬绑动画,而是根据当前语义阶段, 在完整 Go 实现中定位选择、计算、写回或返回分支。当前变量与高亮行一起变化。

动画 6 · 代码映射

让每个动作都落到 Go 分支

重新执行关键分支,只显示当前代码附近窗口,并说明这行为什么在此刻运行。

Step 1/60%
dp[x] = 凑 x 的最少硬币数dp[0]=0

完全背包:每种硬币无限

正在加载算法场景...
10交互算法精讲

完整 Go 提交代码与最小测试

完整 Go 解法
import "math"

func numSquares(n int) int {
	if isPerfectSquare(n) {
		return 1
	}
	if checkAnswer4(n) {
		return 4
	}
	for i := 1; i*i <= n; i++ {
		j := n - i*i
		if isPerfectSquare(j) {
			return 2
		}
	}
	return 3
}

// 判断是否为完全平方数
func isPerfectSquare(n int) bool {
	sq := int(math.Floor(math.Sqrt(float64(n))))
	return sq*sq == n
}

// 判断是否能表示为 4^k*(8m+7)
func checkAnswer4(x int) bool {
	for x%4 == 0 {
		x /= 4
	}
	return x%8 == 7
}
最小测试集合
func main() {
    // 1. 主例
    //    输入:mode="coin-change", coins=[1,4,9], amount=12
    //    期望:答案 3。
    //
    // 2. 失败 / 未命中
    //    检查:sqrt 循环 j 即可。
    //
    // 3. 边界
    //    空输入、单元素、最小合法规模,以及答案恰好落在边界的情况。
    //
    // 4. 迁移
    //    LC322 零钱;LC139 单词拆分
}

Go 参考实现基于 halfrost/LeetCode-Go 的 MIT 许可代码整理,并按本站教学结构补充解释与动画映射。

11交互算法精讲

正确性与复杂度

时间复杂度 O(n)

执行过程中只保留仍可能影响答案的状态。dp[i]=min(dp[i-j*j]+1) for j*j<=i;dp[0]=0。

空间复杂度 O(1)

额外状态主要用于维护:dp 数组、j*j。

终局不变量
  • dp[i] 最少平方数个数。
12交互算法精讲

最容易写错的地方

错误 1

sqrt 循环 j 即可。

边界复查

必须额外检查空输入、单元素、未命中或不可达情况,以及恰好落在边界的输入。

13交互算法精讲

最后复盘:带走逻辑链

  1. 1题意n=12 最少几个完全平方和=3(4+4+4)。
  2. 2重复直接递归会反复求同一个子问题;动态规划把答案写入状态表并按依赖顺序复用。
  3. 3优化dp[i]=min(dp[i-j*j]+1) for j*j<=i;dp[0]=0。
  4. 4证明dp[i] 最少平方数个数。
  5. 5复杂度时间 O(n),空间 O(1)
面试表达:完全背包式 DP O(n·sqrt n)。
迁移练习
  • LC322 零钱
  • LC139 单词拆分