完全背包是物品放入背包中没有数量上的限制,而多重背包有数量限制
给定不同面额的硬币 coins 和一个总金额 amount。编写一个函数来计算可以凑成总金额所需的最少的硬币个数。如果没有任何一种硬币组合能组成总金额,返回 -1。
示例 1:
输入: coins = [1, 2, 5], amount = 11
输出: 3
解释: 11 = 5 + 5 + 1
示例 2:
输入: coins = [2], amount = 3
输出: -1
说明:
你可以认为每种硬币的数量是无限的。
二位dp:
定义: 二维数组dp[i][j] 表示第有 i种面额的钱币 换数量为j的面额,最少的数量是多少。
状态转移方程: dp[i][j] = min(dp[i-1][j],dp[i][j-coin[i] + 1) 当前面值的钱要么不放 直接为dp[i-1][j],要么放入背包dp[i][j-coin[i] + 1
初始化: dp[i][0] = 0 表示无论面值多少的钱都没有一种方法换总金额为0的
public static int coinChange(int[] coin, int amount) {
int len = coin.length;
dp = new int[len+1][amount+1]; // dp[i][j] 表示在有 i+1 种钱币的情况下,总钱数为j最少可以换多少个硬币
for(int i = 0;i <= len;i++) {
for (int j = 1; j <= amount; j++) {
dp[i][j] = Integer.MAX_VALUE-1000;
}
}
for(int i = 1;i <= len;i++) {
for(int j = 1 ;j <= amount;j++) {
if(j >= coin[i-1]){
dp[i][j] = Math.min(dp[i - 1][j], dp[i][j - coin[i - 1]] + 1);
} else {
dp[i][j] = dp[i-1][j];
}
}
}
if(dp[len][amount] <0 || dp[len][amount] > amount){
return -1;
}
return dp[len][amount];
}
以上代码注意几个点:
1.在双层循环的 时候需要正序 遍历 ,不同于01背包,因为前者可以重复放如背包,而后者不可以。
2. 二维dp 第二层循环的起始位置从1开始而不是从coin[i]
3.初始化其他位置的数据的时候 注意不要直接使用Integer.MAX_VALUE 因为可能存在加法操作,容易数据溢出变成负数
这种方法的空间复杂度为O(n*amount),使用滚动数组优化为O(amount)
优化
int dp[] = new int[amount+1];
for(int i = 1;i <= amount;i++) dp[i] = Integer.MAX_VALUE-1000;
dp[0] = 0;
for(int i = 1; i <= len; i++) {
for(int j = coin[i-1];j <= amount;j++ ) {
if(j >= coin[i-1]){
dp[j] = Math.min(dp[j], dp[j - coin[i - 1]] + 1);
}
System.out.print(dp[j] + " ");
}
System.out.println();
}
if(dp[amount] <0 || dp[amount] > amount){
return -1;
}
return dp[amount];