322. 零钱兑换
难度 中等
给你一个整数数组 coins
,表示不同面额的硬币;以及一个整数 amount
,表示总金额。
计算并返回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
。
你可以认为每种硬币的数量是无限的。
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
示例 3:
输入:coins = [1], amount = 0
输出:0
提示:
1 <= coins.length <= 12
1 <= coins[i] <= 231 - 1
0 <= amount <= 104
题解
看到这道题的时候,有两个想法,背包问题,深搜。因为硬币就是物品,总额就是背包容量。当我没放入一种硬币的时候,减去相应的价值,然后深搜递归继续搜索剩下价值的硬币数量。但是这种办法会超时,因为越是越小价值的总额,调用的次数越频繁,有没有更好的办法解决这个问题呢,那就是记忆搜索法。
记忆搜索法
第一次接触记忆搜索法的时候好像是斐波拉契序列,因为f(n) = f(n-1) + f(n-2),像f(0),f(1)这些会频繁递归调用,这样的效率非常低,所以就有人想出了打表方法,就是把所有可能的斐波拉契序列先求出来,把f(0)换成a[0],f(1)换成a[1],这样调用函数变成去数组元素。
使用背包+深搜的时候,最大的问题就是递归调用过多,我们可以利用空间换时间,把调用函数换成数组。
class Solution {
public int coinChange(int[] coins, int amount) {
if(amount < 1){//总额小于1,直接返回0
return 0;
}
return coinChange(coins, amount, new int[amount]);
}
int coinChange(int[] coins, int amount, int[] count){
if(amount < 0){//总额小于0,返回-1,表示不能放入这个硬币
return -1;
}
if(amount == 0){//总额为0,表示放入这个硬币之后刚刚好,无须在放入银币
return 0;
}
if(count[amount - 1] != 0){//把递归调用换为数组
return count[amount - 1];
}
int min = Integer.MAX_VALUE;
for(int coin : coins){//遍历每个硬币
int res = coinChange(coins, amount - coin, count);//递归调用搜索结果集
if(res >= 0 && res < min){//返回结果大于等于0,结果需要小于其他枚举的硬币数量侧,才更新最小值
min = 1 + res;
}
}
count[amount - 1] = (min == Integer.MAX_VALUE) ? -1 : min;
return count[amount - 1];
}
}
这个方法时间效率也不是很好,因为给出的数据硬币是升序的,每次枚举都是从小到大进行枚举,我们其实也可以加入贪心算法,对硬币进行降序排序,然后通过剪枝等来降低时间复杂度。
动态规划
其实背包问题就是动态规划,但是记忆搜索法是通过搜索状态来完成状态的转移,这样时间效率上和暴搜没什么区别,我们需要找到动态转移方程才行。
背包问题的动态转移方程是没当遍历到一个物品的时候,看看能不能放进去这个物品,然后在背包里面腾出一个容量为这个物品的地方,再判断当前价值是否增加。(dp[i] = max( dp[i], dp[i - w[j]]))
硬币问题的动态转移方程应该是dp[i] = min( dp[i], dp[i - c[j]]),当放入第i个硬币的时候,看看会不会使硬币数量变小,变小的话就更新状态。
所以状态转移方程为:
- 当 i = 0时,dp[ i ] = 0
- 当 i > 0时,dp[ i ] = min(dp[ i - c[ j ] ], dp[ i ])
class Solution {
public int coinChange(int[] coins, int amount) {
int max = amount + 1;
int[] dp = new int[amount + 1];//动态数组
Arrays.fill(dp, max);//用最大值填充数组,硬币数量不会超过数组容量 + 1
dp[0] = 0;//初始化
for(int i = 1; i <= amount; i++){//遍历状态
for(int j = 0; j < coins.length; j++){//遍历硬币
if(coins[j] <= i){//总额大于硬币面值
dp[i] = Math.min(dp[i], dp[i - coins[j]] + 1);//动态转移方程
}
}
}
return dp[amount] > amount ? -1 : dp[amount];
}
}