让面试官对你刮目相看：有多少种方法将100元兑换成零票?

      改革春风吹满地，又到求职高峰期。简历撒遍无人理，自信绝不受打击。在浏览过各大软件公司面经之后，我发现一道很常见也很有趣的编程题目：

要将100元兑换为1元、5元、10元的零钱，请问有多少种兑换方法？

如果您跟我一样，喜欢挑战难度，愿意将问题改为“此题有多少种解法？”，那么本文应该会合您的口味。

 

方法一：

      以程序员的眼光来看，我拿到这个问题的第一感觉就是递归。对于这100元，先用10元的零钱来换：

                 100 = 0*10 + R₀ = 1*10 + R₁ = 2*10 + R₂ … = 10*10 + R₁₀

其中R_N是换完后剩余的钱数。然后再对R_N用5元的零钱来换，以此类推。写成python程序如下：

        # (global value) the list of coins.
        # the order is arbitary.
        COIN_LIST = (1, 5, 10)
        
        def num_of_changes(money, coin_index):
            current_coin = COIN_LIST[coin_index]
        
            # if it is the last kind of coins,
            # stop recursion and exame whether
            # remaining money is divisible by this kind of coins.
            if coin_index == len(COIN_LIST) - 1:
                return int(money % current_coin == 0)
        
            count = 0
        
            # construct recursive chain by increasing coin_index,
            # which means using different kinds of coins to parition
            # the remaining money.
            while money >= 0:
                count += num_of_changes(money, coin_index + 1)
                money -= COIN_LIST[coin_index]
        return count
        =========================
        # usage:
        >>> print num_of_changes(100, 0)
        >>> 121

值得一提的是，COIN_LIST中的零钱种类不必排序，并不影响结果。num_of_changes函数相当通用，可以应付各种总钱数以及各类零钱的兑换。

方法二：

      其实有初中以上数学背景的人，会立刻将此问题转化为求如下不定方程的非负整数解：

              1*x + 5*y + 10*z = 100 (x,y,z >= 0)

认为下面将要介绍的是暴力穷举法（brute-force method）的读者们，请不要跳过此处。这是经典的线性丢番图方程（Linear Diophantine Equations），其标准解法为“扩展欧几里德算法”（Extended Euclidean Algorithm）。要解释这个算法就不得不提到欧几里德大人在公元前300年写的《几何原本》一书，其中记载了一种求两个数的最大公约数 (Greatest common divisor) 的算法。别看它古老，此算法的效率奇高，目前还无人能出其右（注：有些公司居然会在面试中考GCD算法，典型的背书题，实在无聊）。此方法也叫辗转相除法，其可行性依赖于恒等式：

              gcd(a, b) == gcd(a mod b, b)

例如求GCD(1234, 567)，分解步骤为：

(a)	1234	=	2 * 567 + 100
(b)	567	=	5 * 100 + 67
(c)	100	=	1 * 67 + 33
(d)	67	=	2 * 33 + 1
(e)	33	=	33 * 1 + 0

所以 GCD(1234, 567) = GCD(33, 1) = 1。但这个方法与解线性丢番图方程有什么联系呢？请考虑方程：

              1234*x + 567*y = 1

我们将步骤(a)至(d)的运算倒推回去：

(d')	1	=	67 – 2 * 33
(c')		=	67 – 2 * (100 – 1 * 67)
(整理)		=	-2 * 100 + 3 * 67
(b')		=	-2 * 100 + 3 * (567 – 5 * 100)
(整理)		=	3 * 567 – 17 * 100
(a')		=	3 * 567 – 17 * (1234 – 2 * 567)
(整理)		=	-17 * 1234 + 37 * 567

注意到了吗？ {x₀ = -17, y₀ = 37} 就是原方程的一个解。那么是否还有其他整数解呢？善用暴力穷举法的兄弟们请出手吧。你会很快发现规律：

              {x_n = -17 + 567*N, y_n = 37 – 1234*N}，其中N为任意整数

而对于更具一般性的方程：

              1234*x + 567*y = k

其解系为

              { X = k*x_n  ,   Y = k*y_n }， 其中k为非零任意整数

      可以证明，用此方法，总是可以找到形如：

              a*x + b*y = gcd(a, b) （假设a,b都不为0）

的丢番图方程的全部整数解：

              {x_n = x₀ + b*N,   y_n = y₀ – a*N}，其中N为任意整数

      而对于更一般的方程，

              a*x + b*y = c （假设a,b都不为0）

设d = gcd(a, b)，若c是d的整数倍，则全部整数解为：

              {x_n = c/d * x₀ + b/d * N,   y_n = c/d * y₀ – a/d * N}，其中N为任意整数

若c不是d的整数倍，则此方程无整数解。值得注意的是，只要我们能找到此方程的一个解，那么就可以通过上式轻松的列举出无穷多个整数解，而且是全部的整数解。

      对于多元的线性丢番图方程，只需将其分为一个个二元线性丢番图方程，各个击破再合并起来即可。例如：

              a*x + b*y + c*z = d

不妨假设gcd(a,b,c)能够整除d，否则无解。先求解子方程：

              a*X + b*Y = g = gcd(a,b)

之前已经提到，其全部整数解就是：

              {X_n = X₀ + b*N,   Y_n = Y₀ – a*N}，其中N为任意整数

下一步求解：

              g*w + c*z = d

由于gcd(g, c) = gcd(a, b, c) = f，且f可以整除d，所以此方程一定有解：

              {w_m = d/f * w₀ + c/f * M,   z_m = c/f * z₀ – g/f * M}，

其中M为任意整数, w₀和z₀为方程g*w + c*z = f的一个特解。将X_n, Y_n带入得：

              (a*X_n + b*Y_n)*w_m + c*z_m = a*(X_n*w_m) + b*(Y_n*w_m) + c*z_m = d

所以：

             {x_n,m = X_n*w_m  ,   y_n,m = Y_n*w_m ,   z_n,m = z_m }     其中N,M为任意整数.

就原问题1*x + 5*y + 10*z = 100而言，读者可以自己验证：

              x_n,m = (100 + 10*M)(1+5*N)

              y_n,m = -(100 + 10*M)*N

              z_n,m = -M

      由于{x, y, z}为非负整数，所以要求出到底有多少个这样的解，则还是需要使用暴力穷举法。虽然绕了一大圈，解法退回到最原始的模样（请勿拍砖），但还是希望您能从多变量一般线性丢番图方程（Multiple-variable generalized diophantine equation）的解法中得到启示。

方法三：

      也许您觉得被[方法二]忽悠了，但[方法三]则是很新颖的，万万不可错过。在 数论 中有一个非常重要的函数 PartitionP(n) ，下文简写为p(n)。其值给出了将n划分为正整数之和的方式的个数。比如10 = 1+2+3+4就是一种划分方式，对划分的顺序不做区分，即认为1+2+3+4与4+3+2+1为同一个划分方式。下表列出了前几个自然数的p(n)，随着对p(n)的深入分析，我们将会遇到很多有趣而又玄妙的数学关系式。

n	划分方式	p(n)
1	1	1
2	2, 1+1	2
3	3, 2+1, 1+1+1	3
4	4, 3+1, 2+2, 2+1+1, 1+1+1+1	5
5	5, 4+1, 3+2, 3+1+1, 2+2+1, 2+1+1+1, 1+1+1+1+1	7

 

      欧拉（Euler）在1748年前后对p(n)进行了的理论研究，并发现了如下生成函数：

式子左侧的无穷乘积可以展开成右侧的幂级数形式，其中级数各项的系数“生成”了p(n)。下面给出一个不太严格的示意性证明。考虑将1 / (1 – xⁿ) 展开成幂级数：

当我们将左侧各式相乘，并仔细的对右侧相同指数的各项进行合并时，我们就会发现p(n)的确被生成出来了。例如对于x⁵：

其中每一项分别对应于5的一种划分方式：1+1+1+1+1，1+1+1+2，1+1+3，1+4，1+2+2，2+3，5。更一般的说，x^a*b 意味着某一划分方式中的b个a相加，而每一个1 / (1 – x^a)都对应于一种划分时可以选择的单位。所以，对于将100元兑换成1元、5元、10元的问题，我们可以通过求解下式的幂级数展开来获得，其中x¹⁰⁰项的系数就是答案：

方法四：

      可以想象，p(n)的值会随着n的增大而迅速膨胀，比如p(100) = 190,569,292。膨胀的速度到底有多快？这里给出一个p(n)的渐近公式：

上式由Hardy和Ramanujan在1917-1918年利用了复变函数论的方法得出。类似的，还记得大学时讲的斯特林公式吗？就是关于阶乘的渐进公式：

      这两个渐进公式当n趋于∞时，约等号将变为等号。值得一提的是，式子的左侧都是整数，而右侧却包含了无理数：圆周率、自然对数、开方。真是太不可思议了！圆周率是怎么跟划分方式和阶乘扯到一块儿去的？也许这就是在我们离开这个世界的时候，第一个要询问上帝的事情。

      对于像Mathematica语言这样的计算机代数系统，且当n比较小的时候，使用[方法三]求解还是可行的，但对于比较大的n，这绝非易事。所幸函数p(n)有一个由欧拉（Euler）发现的重要的递归公式：

              p(n) = p(n-1) + p(n-2) - p(n-5) - p(n-7) + p(n-12) + p(n-15) - p(n-22) – p(n-26) + …，

并约定当n < 0时p(n) = 0，以及p(0) = 1。

      这个公式神秘之处在于其中出现的常数1, 2, 5, 7, 12, 15…，它们在数论中有一个形象的名字，五角数（pentagonal numbers）。五角数的几何定义来自于一个不断扩大的五边形，其中结点的数目就是五角数，其通式为：f(k) = k(3k – 1) / 2。通过数一数下图中黑点的数目就可以验证这个公式。

而对于剩下来的常数：2，7，15，26，我们可以定义负五角数：f(-k) = k(3k + 1) / 2。可惜它的几何意义目前还不得知。有了五角数的定义，我们就可以将Euler的递归公式改写为：

      证明上式需要用到欧拉五角数定理（Euler's pentagonal number theorem），已经超出本文范围，但由于证明本身很有趣，我们在此给出一个概要。从下式出发：

读者可以通过乘出左侧前面几项来发现它跟五角数的关系：

注意到[方法三]中的Euler生成函数公式，正好是上式的倒数，所以：

展开后按x合并同类项得到：

由于x的取值是任意的，所以要想等式成立，必须x各项系数都为0。从而得到欧拉递归公式：

      回到我们的分钱问题，同样可以用类似的办法得到。我们设q(n)为将n划分为1,5,10的函数，并令n < 0时，q(n) < 0；q(0) = 1则：

写成python代码：

        q_map = {0:1}
        def q(n):
            if n < 0:
                return 0
            if n in q_map:
                return q_map[n]
        
            r = q(n-1)+q(n-5)+q(n-10)-q(n-6)-q(n-11)-q(n-15)+q(n-16)
            q_map[n] = r
            return r
        # usage:
        ====================
        >>> print q(100)
        >>> 121
        

        有心的读者可能注意到了 6 = 1+5, 11 = 1+10, 15 = 5+10, 16 = 1+5+10。就像划分方式与五角数之间的奇特联系一样，这里又意味着什么呢？尝试验证一下你的猜想，解释在p(n)的递归关系式中为何p(n-3), p(n-4), p(n-6)等项并未出现？很神奇不是吗？也许正是这些不期而遇的、意料不到的相关性，给看似枯燥的数学研究增添了无穷的乐趣。