- 实际正确答案 —— 7+5+5+5+5=27,才用了5枚硬币。
所以这里贪心算法是并不适用。
题目中关键词“最少的”,这是用到“动态规划”的味道。
第一步,确定问题状态
动态规划问题求解需要先开一个数组,并确定数组的每个元素f[i]代表什么,这就是确定这个问题的状态。这类似于解数学题中,设定x,y,z代表什么。
A、确定状态首先提取“最后一步”
最优策略必定是K枚硬币a1, a2, …, aK
面值加起来是27。
找出不影响最优策略的最后一个独立角色,这道问题中,那枚最后的硬币aK
就是最后一步。把aK
提取出来,硬币aK
之前的所有硬币面值加总是27-aK
。因为总体求最硬币数量最少策略,所以拼出27-aK
的硬币数也一定最少(重要设定)。
B、转化子问题
最后一步aK
提出来之后,我们只要求出“最少用多少枚硬币可以拼出27- aK
”就可以了。
这种与原问题内核一致,但是规模变小的问题,叫做子问题。
为简化定义,我们设状态f(X)=最少用多少枚硬币拼出总面值X
。
我们目前还不知道最后的硬币aK
面额多少,但它的面额一定只可能是{2, 5, 7}之一。
-
如果
aK
是2,f(27)
应该是f(27-2) + 1
(加上最后这一枚面值2的硬币) -
如果
aK
是5,f(27)
应该是f(27-5) + 1
(加上最后这一枚面值5的硬币) -
如果
aK
是7,f(27)
应该是f(27-7) + 1
(加上最后这一枚面值7的硬币)
除此以外,没有其他的可能了。至此,通过找到原问题最后一步,并将其转化为子问题。
为求面值总额27的最小的硬币组合数的状态就形成了,用以下函数表示:
f(27) = min{f(27-2)+1, f(27-5)+1, f(27-7)+1}
第二步,转移方程,把问题方程化
f[X] = min{f[X-2]+1, f[X-5]+1, f[X-7]+1}
动态规划都是要开数组,所以上面式子改用方括号表示。实际求解动态规划类问题,正确列出转移方程正确基本上就解决一半了。
递归的解法:
// 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(
int res = Integer.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。
问题明显:重复递归太多。
这是求f(27)
,等待时间还可以接受。如果求f(100)
呢?
求总体最值,可优先考虑动态规划,不要贸然去递归。
第三步,按照实际逻辑设置边界情况和初始条件。
如果不按照实际逻辑设置边界情况和初始条件,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)。
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。
本文的题目来源:LeetCode - Medium - 322. Coin Change
代码如下:
最后
看完美团、字节、腾讯这三家的面试问题,是不是感觉问的特别多,可能咱们又得开启面试造火箭、工作拧螺丝的模式去准备下一次的面试了。
开篇有提及我可是足足背下了1000道题目,多少还是有点用的呢,我看了下,上面这些问题大部分都能从我背的题里找到的,所以今天给大家分享一下互联网工程师必备的面试1000题。
注意不论是我说的互联网面试1000题,还是后面提及的算法与数据结构、设计模式以及更多的Java学习笔记等,皆可分享给各位朋友
互联网工程师必备的面试1000题
而且从上面三家来看,算法与数据结构是必备不可少的呀,因此我建议大家可以去刷刷这本左程云大佬著作的《程序员代码面试指南 IT名企算法与数据结构题目最优解》,里面近200道真实出现过的经典代码面试题。
面试1000题,还是后面提及的算法与数据结构、设计模式以及更多的Java学习笔记等,皆可分享给各位朋友
[外链图片转存中…(img-mvqBTS7P-1721198071514)]
互联网工程师必备的面试1000题
而且从上面三家来看,算法与数据结构是必备不可少的呀,因此我建议大家可以去刷刷这本左程云大佬著作的《程序员代码面试指南 IT名企算法与数据结构题目最优解》,里面近200道真实出现过的经典代码面试题。
[外链图片转存中…(img-Wuz9Fj62-1721198071515)]