# 0279. 完全平方数
### 题目地址(279. 完全平方数)
### 题目描述
```
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。
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.
```
### 前置知识
* 递归
* 动态规划
### 公司
* 阿里
* 百度
* 字节
### 思路
直接递归处理即可，但是这种暴力的解法很容易超时。如果你把递归的过程化成一棵树的话（其实就是递归树）， 可以看出中间有很多重复的计算。
如果能将重复的计算缓存下来，说不定能够解决时间复杂度太高的问题。
> 递归对内存的要求也很高， 如果数字非常大，也会面临爆栈的风险，将递归转化为循环可以解决。
递归 + 缓存的方式代码如下：
```js
const mapper = {};
function d(n, level) {
if (n === 0) return level;
let i = 1;
const arr = [];
while (n - i * i >= 0) {
const hit = mapper[n - i * i];
if (hit) {
arr.push(hit + level);
} else {
const depth = d(n - i * i, level + 1) - level;
mapper[n - i * i] = depth;
arr.push(depth + level);
}
i++;
}
return Math.min(...arr);
}
/**
* @param {number} n
* @return {number}
*/
var numSquares = function (n) {
return d(n, 0);
};
```
如果使用 DP，其实本质上和递归 + 缓存 差不多。
DP 的代码见代码区。
### 关键点解析
* 如果用递归 + 缓存， 缓存的设计很重要 我的做法是 key 就是 n，value 是以 n 为起点，到达底端的深度。 下次取出缓存的时候用当前的 level + 存的深度 就是我们想要的 level.
* 使用动态规划的核心点还是选和不选的问题
```js
for (let i = 1; i <= n; i++) {
for (let j = 1; j * j <= i; j++) {
// 不选（dp[i]） 还是 选（dp[i - j * j]）
dp[i] = Math.min(dp[i], dp[i - j * j] + 1);
}
}
```
### 代码
代码支持：CPP，JS
CPP Code:
```cpp
class Solution {
public:
int numSquares(int n) {
static vector dp{0};
while (dp.size() <= n) {
int m = dp.size(), minVal = INT_MAX;
for (int i = 1; i * i <= m; ++i) minVal = min(minVal, 1 + dp[m - i * i]);
dp.push_back(minVal);
}
return dp[n];
}
};
```
JS Code:
```js
/**
* @param {number} n
* @return {number}
*/
var numSquares = function (n) {
if (n <= 0) {
return 0;
}
const dp = Array(n + 1).fill(Number.MAX_VALUE);
dp[0] = 0;
for (let i = 1; i <= n; i++) {
for (let j = 1; j * j <= i; j++) {
// 不选（dp[i]） 还是 选（dp[i - j * j]）
dp[i] = Math.min(dp[i], dp[i - j * j] + 1);
}
}
return dp[n];
};
```
**复杂度分析**
* 时间复杂度：$O(N^2)$
* 空间复杂度：$O(N)$
大家对此有何看法，欢迎给我留言，我有时间都会一一查看回答。更多算法套路可以访问我的 LeetCode 题解仓库： 。 目前已经 37K star 啦。 大家也可以关注我的公众号《力扣加加》带你啃下算法这块硬骨头。 