// f(X)返回最少用多少枚硬币拼出X
int f(int X) {
// 0元钱只要0枚硬币
if (X == 0) return 0;
// 初始化用无穷大(为什么是正无穷?)
int res = MAX_VALUE;
// 最后一枚硬币是2元
if (X >= 2) {
res = Math.min(f(X – 2) + 1, res);
}
// 最后一枚硬币是5元
if (X >= 5) {
res = Math.min(f(X – 5) + 1, res);
}
// 最后一枚硬币是7元
if (X >= 7) {
res = Math.min(f(X – 7) + 1, res);
}
return res;
}
执行图如下:
要算f(27),就要递归f(25)、f(22)、f(20),然后下边依次递归……(三角形表示)。
问题明显——重复递归太多。
这是求f(27),还可以勉强递归。如果求f(100)呢?简直是天文数字。最终结果就是递归超市。
求总体最值,一定优先考虑动态规划不要憨憨的去递归。
插入一下~
需要掌握的动态规划面试解题技巧还包括坐标型、位操型、序列型、博弈型、背包型、双序列以及一些高难面试题解。
本文篇幅有限无法逐一讲清,大家来白嫖我的在线分享吧(纯干货)。
第三步,按照实际逻辑设置边界情况和初始条件。
==========================
**【必做】**否则即使转移方程正确也大概率无法跑通代码。
f[X] = min{f[X-2]+1, f[X-5]+1, f[X-7]+1}的边界情况是[x-2]/[x-5]/[x-7]不能小于0(硬币面值为正),也不能高于27。
故对边界情况设定如下:
如果硬币面值不能组合出Y,就定义f[Y]=正无穷例如f[-1]=f[-2]=…=正无穷;f[1] =min{f[-1]+1, f[-4]+1,f[-6]+1}=正无穷,
**特殊情况:**本题的F[0]对应的情况为F[-2]、F[-5]、F[-7],按照上文的边界情况设定结果是正无穷。
但是实际上F[0]的结果是存在的(即使用0个硬币的情况下),F[0]=0。可是按照我们刚刚的设定,F[0]=F[0-2]+1= F[-2]+1=正无穷。
岂不是矛盾?
这种用转移方程无法计算,但是又实际存在的情况,就必须通过手动定义。
这里手动强制定义初始条件为:F[0]=0.
而从0之后的数值是没矛盾的,比如F[1]= F[1-2]+1= F[-1]+1=正无穷(正无穷加任何数结果还是正无穷);F[2]= F[2-2]+1= F[0]+1=1……
第四步,确定计算顺序并计算求解
===================
那么开始计算时,是从F[1]、F[2]开始呢?还是从F[27]、F[26]开始呢?
判断计算顺序正确与否的原则是:当我们要计算F[X](等式左边,如F[10])的时候,等式右边(f[X-2], f[X-5], f[X-7]等)都是已经得到结果的状态,这个计算顺序就是OK的。
实际就是从小到大的计算方式(偶有例外的情况我们后边再讲)。
例如我们算到F[12]的时候,发现F[11]、F[10]、F[9]都已经算过了,这种算法就是对的;而开始算F[27]的时候,发现F[26]还没有算,这样的顺序就是错的。
很显然这样的情况下写一个FOR循环就够了。
回到这道题,采用动态规划的算法,每一步只尝试三种硬币,一共进行了27步。算法时间复杂度(即需要进行的步数)为27*3。
与递归相比,没有任何重复计算。
**原题练习及实际代码:**这道题是lintcode编号669的Coin Change问题。代码如下:
public int coinChange(int[] A, int M){
// A = [2,5,7]
// M = 27
int[] f = new int[M + 1];
int n = A.length; // 硬币的种类
// 初始化, 0个硬币
f[0] = 0;
// f[1], f[2], … , f[27] = Integer.MAX_VALUE
for (int i = 1; i <= M; i++){
f[i] = Integer.MAX_VALUE;
}
for (int i = 1; i <= M; i++){
// 使用第j个硬币 A[j]
// f[i] = min{f[i-A[0]]+1, … , f[i-A[n-1]]+1}
for (int j = 0; j < n; ++j){
// 如果通过放这个硬币能够达到重量i
if (i >= A[j] && f[i - A[j]] != Integer.MAX_VALUE) {
// 获得i的重量的硬币数就可能是获得i-A[j]重量硬币数的方案+1
// 拿这个方案数量与原本的方案数打擂台,取最小值就行
f[i] = Math.min(f[i - A[j]] + 1, f[i]);
}
}
}
if (f[M] == Integer.MAX_VALUE){
return -1;
}
return f[M];
}
最后总结:
1、这是求最值问题,用动态规划方式求解。2、进入求解过程,先确定问题状态
- 提炼最后一步
(最优策略中使用的最后一枚硬币aK)-子问题转化 (最少的硬币拼出更小的面值27-aK)3、构建转移方程 f[X] = min{f[X-2]+1, f[X-5]+1, f[X-7]+1}(求min是因为题目要求求最小)4、设置初始条件和边界情况 f[0] = 0, 如果不能拼出Y,f[Y]=正无穷5、确定计算顺序并计算求解f[0], f[1], f[2]……
最后
现在正是金三银四的春招高潮,前阵子小编一直在搭建自己的网站,并整理了全套的**【一线互联网大厂Java核心面试题库+解析】:包括Java基础、异常、集合、并发编程、JVM、Spring全家桶、MyBatis、Redis、数据库、中间件MQ、Dubbo、Linux、Tomcat、ZooKeeper、Netty等等**
计算求解f[0], f[1], f[2]……
最后
现在正是金三银四的春招高潮,前阵子小编一直在搭建自己的网站,并整理了全套的**【一线互联网大厂Java核心面试题库+解析】:包括Java基础、异常、集合、并发编程、JVM、Spring全家桶、MyBatis、Redis、数据库、中间件MQ、Dubbo、Linux、Tomcat、ZooKeeper、Netty等等**
[外链图片转存中…(img-bz8YHnjg-1714224828630)]