LeetCode [322. 零钱兑换]

LeetCode [322. 零钱兑换]

题目：

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。

本质上这是一个背包问题，从最后说明中，我们可知，属于完全背包的变种
现在我们对比两个算法，深入理解背包问题
在我上一个博客中，已经介绍过了完全背包问题 https://blog.csdn.net/Librarvl/article/details/97611889

现在我们对比

1. 完全背包：给定 物品 i，与其对应的容量 v[i] 和 价值 w[i]。以及背包总容积 V。在不限物品次数，选择最大价值的组合，并返回。
2. 硬币选择：给定 币种 i，与其对应的面额 c 。以及需要凑齐总价 amount。在不限每种硬币数量，找到选用硬币数最少的组合，并返回。

在这里我么发现

物品 ==》 币种

容量 ==》 面额

背包体积 ==》 总价 amount

其中每种硬币的价值应该是多少呢？

刚开始我在这里想了很久。其实是思维误区。

首先，完全背包和硬币选择的目标不同，完全背包是选择最大价值的物品，而硬币选择需要找到选择硬币最少的情况，所以我发现，硬币选择中的“价值”应该是硬币数量，对应每个硬币，也就是 1。

价值w[i] ==> 1

由于目标变化，我们的状态表示方程也需要变化

f：硬币数量

i：硬币币种

j：硬币中面额

f[i][j]：在前 i 个币种，面额为 j 的情况下，所需要最少的 硬币数量

状态转移方程：

f[i][j] = min(f[i-1][j], f[i-1][j - c] + 1);
空间优化后
f[j] = min(f[j], f[j-c] + 1)

代码：

#include <iostream>
#include <vector>
#include <algorithm>
using namespace std;

class Solution {
public:
	int Inf = 100000;
	int coinChange(vector<int>& coins, int amount) {
		vector<int> f(amount + 1, Inf);
		f[0] = 0;
		for (auto c : coins)
			for (int i = c; i <= amount; i++)
				f[i] = min(f[i], f[i - c] + 1);
		if (f[amount] == Inf)    return -1;
		return f[amount];
	}
};

int main()
{
	vector<int> coins = { 1,2,5 };
	int amount = 11;
	Solution s;
	cout << s.coinChange(coins, amount);
	cout << "hello" << endl;
	system("pause");
	return 0;
}