LeetCode 322. 零钱兑换，动态规划详细解法

322. 零钱兑换

题目来源

322. 零钱兑换

题目分析

给定一个硬币面额数组 coins 和一个总金额 amount，我们需要计算凑成该总金额所需的最少硬币个数。如果无法凑成该金额，则返回 -1。

题目难度

• 难度：中等

题目标签

• 标签：数组、动态规划

题目限制

• 1 <= coins.length <= 12
• 1 <= coins[i] <= 5000

解题思路

这道题可以使用动态规划来解决，是一个典型的完全背包问题：

1. 问题定义：设 dp[i] 为凑成金额 i 所需的最少硬币个数，目标是求出 dp[amount]。

2. 状态转移：对于每个硬币面额 coin，如果我们选择使用该硬币，则 dp[i] = dp[i - coin] + 1。我们需要在所有可能的选择中取最小值，即 dp[i] = min(dp[i], dp[i - coin] + 1)。

3. 初始化：

   • 初始化 dp[0] = 0，表示凑成金额 0 所需的硬币个数为 0。
   • 初始化 dp[i] = amount + 1 表示初始状态下无法凑成金额 i。

4. 边界条件：

   • 如果 dp[amount] 仍然等于 amount + 1，说明无法凑成该金额，返回 -1。
   • 否则，返回 dp[amount]。

核心算法步骤

1. 初始化：

   • 定义 dp 数组，长度为 amount + 1，初始化为 amount + 1，表示无法凑成该金额。

2. 状态转移：

   • 对于每个 coin，遍历从 coin 到 amount 的所有金额，更新 dp 数组。

3. 输出结果：

   • 返回 dp[amount]，如果 dp[amount] 等于 amount + 1，则返回 -1，否则返回 dp[amount]。

代码实现

以下是求解零钱兑换问题的 Java 代码：

/**
 * 322. 零钱兑换
 * @param coins  硬币面额数组
 * @param amount 总金额
 * @return 凑成总金额所需的最少的硬币个数
 */
public int coinChange(int[] coins, int amount) {
    int[] dp = new int[amount + 1];
    for (int i = 1; i <= amount; i++) {
        dp[i] = amount + 1;
    }

    for (int coin : coins) {
        for (int j = coin; j <= amount; j++) {
            dp[j] = Math.min(dp[j], dp[j - coin] + 1);
        }
    }
    return dp[amount] == amount + 1 ? -1 : dp[amount];
}

代码解读

• coinChange 方法：
  • 初始化 dp 数组，dp[i] 表示凑成金额 i 所需的最少硬币个数，初始状态下设为 amount + 1 表示不可达。
  • 外层循环遍历每个 coin，内层循环更新 dp 数组，尝试通过当前 coin 凑成不同的金额。

性能分析

• 时间复杂度：O(n * amount)，其中 n 是 coins 数组的长度，amount 是目标金额。
• 空间复杂度：O(amount)，因为我们只需要一个长度为 amount + 1 的数组 dp。

测试用例

你可以使用以下测试用例来验证代码的正确性：

int[] coins1 = {1, 2, 5};
int amount1 = 11;
int result1 = coinChange(coins1, amount1);
System.out.println(result1);
// 输出: 3 (11 = 5 + 5 + 1)

int[] coins2 = {2};
int amount2 = 3;
int result2 = coinChange(coins2, amount2);
System.out.println(result2);
// 输出: -1 (无法凑成3)

int[] coins3 = {1};
int amount3 = 0;
int result3 = coinChange(coins3, amount3);
System.out.println(result3);
// 输出: 0 (无需任何硬币即可凑成0)

扩展讨论

其他实现

• BFS：
  • 也可以使用广度优先搜索 (BFS) 来解决零钱兑换问题，从 amount 开始不断减去 coins 中的值，直到凑成 0 或无解。

总结

通过动态规划的思想，我们能够高效地解决零钱兑换问题。通过合理定义 dp 数组的含义，状态转移方程，以及对初始状态的处理，可以解决类似的完全背包问题。

---