难度: Medium
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
难度: Medium
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
运行时间: 42 ms
内存: 0.0 MB
class Solution: def numSquares(self, n: int) -> int: d = {x ** 2 for x in range(1, 101) if x ** 2 <= n} if n in d: return 1 for i in d: if n - i in d: return 2 for i in d: for j in d: if n - i - j in d: return 3 return 4
该题解采用数学推导的方法,利用了四平方和定理:任何一个正整数都可以表示成不超过四个整数的平方之和。首先生成不超过n的完全平方数集合d,然后分四种情况判断:1.如果n本身在d中,则只需要1个数;2.如果n可以表示为d中两个数之和,则需要2个数;3.如果n可以表示为d中三个数之和,则需要3个数;4.根据四平方和定理,剩下的情况只能由4个完全平方数组成。
时间复杂度: O(n^(3/2))
空间复杂度: O(sqrt(n))
class Solution: def numSquares(self, n: int) -> int: # 生成不超过n的完全平方数集合d d = {x ** 2 for x in range(1, 101) if x ** 2 <= n} # 情况1:n本身是完全平方数 if n in d: return 1 # 情况2:n可以由d中两个数之和表示 for i in d: if n - i in d: return 2 # 情况3:n可以由d中三个数之和表示 for i in d: for j in d: if n - i - j in d: return 3 # 情况4:n只能由d中四个数之和表示 return 4
在生成完全平方数集合时选择1至101的范围是因为101^2=10201,这是超过10000的第一个完全平方数。对于任何小于或等于10000的n,这个范围内的完全平方数集合是足够的。然而,如果n大于10000,我们需要增加范围,确保集合中包含所有不超过n的完全平方数。因此,动态确定范围上限为sqrt(n)是更合适的选择。
在判断n是否可以由d中两个数之和表示时,采用的是双循环遍历,这种方法的时间复杂度是O(m^2),其中m是集合d的大小。对于大的n,这种方法的效率较低。更优化的方式可以使用双指针方法或哈希表来减少查找时间,尤其是哈希表方法,可以将时间复杂度降至O(m)。
这一结论基于著名的四平方和定理(Lagrange's Four Square Theorem),该定理表明每个正整数都可以表示为四个整数的平方和。因此,如果n不能通过一个、两个或三个完全平方数的和来表示,根据四平方和定理,它一定可以由四个数的平方和来表示。
动态规划方法在处理此类问题时通常更有效,因为它能够避免重复计算并保持子问题的最优解。动态规划的解法会使用一个数组dp,其中dp[i]表示组成数字i需要的最少的完全平方数数量。通过从低到高计算每个dp值,可以确保每步都是基于最优子结构进行的。相比之下,直接计算可能会涉及重复的计算和更高的时间复杂度。因此,对于大的n,动态规划通常更高效。