动态规划与数学优化：完全平方数问题解析

Niujiubaba

1. 问题背景与理解

第一次在力扣上看到"完全平方数"这道题时，我以为是道简单的数学题。直到真正动手实现时，才发现其中暗藏玄机。题目要求我们找到组成正整数n的最少完全平方数数量，比如12=4+4+4，最少需要3个完全平方数。

这个问题看似简单，实则涉及动态规划、数学定理等多个计算机科学核心概念。在实际编程面试中，它经常被用来考察候选人对算法优化的理解深度。我在准备面试时反复研究过这个问题，也踩过不少坑，今天就把我的解题心得完整分享出来。

2. 解法一：基础动态规划

2.1 动态规划思路解析

最直观的解法就是动态规划。我们定义一个dp数组，其中dp[i]表示组成数字i所需的最少完全平方数数量。初始化时，dp[0] = 0，因为0不需要任何完全平方数。

递推关系也很直接：对于每个数字i，我们遍历所有小于等于i的完全平方数jj，然后取dp[i - jj] + 1的最小值。这个+1就是当前的j*j这个完全平方数。

python复制def numSquares(n):
    dp = [float('inf')] * (n + 1)
    dp[0] = 0
    for i in range(1, n + 1):
        j = 1
        while j * j <= i:
            dp[i] = min(dp[i], dp[i - j * j] + 1)
            j += 1
    return dp[n]

2.2 时间复杂度分析

这个解法的时间复杂度是O(n√n)，因为外层循环是O(n)，内层循环最多执行√n次（因为j*j ≤ n）。空间复杂度是O(n)，用于存储dp数组。

提示：在实际编码时，可以预先计算出所有小于等于n的完全平方数，避免在循环中重复计算j*j，这样能略微提升性能。

3. 解法二：数学优化 - 四平方和定理

3.1 数学定理的应用

在研究这个问题时，我发现了一个强大的数学工具——四平方和定理（Lagrange's four-square theorem）。这个定理告诉我们，任何自然数都可以表示为不超过四个完全平方数的和。

这意味着我们的答案只可能是1、2、3或4。这大大缩小了搜索空间，我们可以设计更高效的算法：

如果n本身就是完全平方数，返回1
检查是否能表示为两个完全平方数的和（即n = a² + b²）
根据勒让德三平方和定理，如果n不能表示为4^k*(8m+7)的形式，则返回3
否则返回4

3.2 实现代码示例

python复制def numSquares(n):
    def is_square(x):
        s = int(math.sqrt(x))
        return s * s == x
    
    # 情况1：n是完全平方数
    if is_square(n):
        return 1
    
    # 情况2：检查是否能表示为两个平方数的和
    for i in range(1, int(math.sqrt(n)) + 1):
        if is_square(n - i * i):
            return 2
    
    # 情况3：检查n是否为4^k*(8m+7)的形式
    temp = n
    while temp % 4 == 0:
        temp //= 4
    if temp % 8 == 7:
        return 4
    
    # 情况4：其他情况返回3
    return 3

3.3 性能对比

这个解法的时间复杂度降低到了O(√n)，因为最耗时的部分是检查两个平方数的和，最多需要√n次迭代。空间复杂度是O(1)，不需要额外的存储空间。

4. 解法三：BFS广度优先搜索

4.1 将问题转化为图论问题

这个问题还可以看作是在图中寻找从n到0的最短路径，其中每个节点代表一个数字，边代表减去一个完全平方数的操作。

比如对于n=12：

从12可以减去1,4,9得到11,8,3
从8可以减去1,4得到7,4
从4可以直接减去4得到0

这样，最短路径长度就是所需的最少完全平方数数量。

4.2 BFS实现细节

python复制from collections import deque

def numSquares(n):
    squares = [i*i for i in range(1, int(n**0.5)+1)]
    queue = deque([(n, 0)])
    visited = set()
    
    while queue:
        num, step = queue.popleft()
        for square in squares:
            if square > num:
                break
            next_num = num - square
            if next_num == 0:
                return step + 1
            if next_num not in visited:
                visited.add(next_num)
                queue.append((next_num, step + 1))
    return -1