算法题 - 拼凑面额 - Python

问题描述：

拼凑面额

给你六种面额1、5、10、20、50、100元的纸币，假设每种币值的数量都足够多，编写程序求组成N元（N为0-10000的非负整数）的不同组合的个数。

输入描述: 输入为一个数字N，即需要拼凑的面额
输出描述: 输出也是一个数字，为组成N的组合个数。
示例
输入：5
输出：2

问题分析：

经典题目，类似于背包问题或者上台阶问题（上台阶问题只有两种情况，而这个有几种面额零钱就有多少种情况），昨天晚上58到家的现场宣讲会笔试题，其实牛客网上也有的，链接已经给出。现在总结一下，动态规划解决，具体思路如下：

（1）设 dp[n,m] 表示 N元钱，且有零钱M种时，不同组合数。并且，把零钱放到nums=[1, 5, 10, 20, 50, 100] 。（后面的m，都可以理解为第m种零钱，或者当前有m种零钱即可）

（2）现在思考 dp[n,m] 怎么求？很容易联想到上台阶问题，要想得到dp[n,m] 的值，一定是从${\sum }_{j=0}^{m}dp[n-nums[j],m]+dp[n,m-1]$ 得到的，具体点：

  A、当m相等时，当前状态一定是前m种状态的总和，即，${\sum }_{j=0}^{m}dp[n-nums[j],m]$ 。

  B、当n相等时，很显然当前有m种零钱，它情况一定包含m-1种零钱的所有情况，即，$dp[n,m-1]$

  C、最后 dp[n,m] 就是这两种情况的和。

要注意的是n-nums[m]>=0 是前提条件。所以得出状态转移方程为：

  1. n >=nums[j] 时：$dp[n,m]=dp[n,m-1]+{\sum }_{j=0}^{m}dp[n-nums[j],m]$
  2. n < nums[j] 时：$dp[n,m]=dp[n,m-1]$
  3. 此外就边界情况，均为1

（3）dp空间压缩，先看一下下面得图片：

dp[10,2] = dp[10,1] + dp[0, 2] = 3 + 1 = 4 在结合上面的公式不难发现，当前值，只和上面一行的值（情况B），还有本行的值（情况A）有关，所以，现在可以压缩一下dp空间，即，一行一行的计算。

Python3实现：

# @Time   :2018/10/12
# @Author :LiuYinxing
# 动态规划 - 类似于背包问题、上台阶问题


class Solution:
    def solve(self, n):
        nums = [1, 5, 10, 20, 50, 100]  # 基本面额
        dp = [1] * (n + 1)  # 初始化dp

        for j in range(1, 6):
            for i in range(1, n+1):
                if i >= nums[j]:  # 约束条件
                    dp[i] += dp[i - nums[j]]
        return dp[-1]

    def solve1(self, n):
        nums = [1, 5, 10, 20, 50, 100]  # 基本面额
        dp = [0] * (n + 1)  # 初始化dp
        dp[0] = 1  # 初始化dp

        for j in range(6):
            for i in range(nums[j], n+1):
                # if i >= nums[j]:  # 约束条件
                dp[i] += dp[i - nums[j]]
        return dp[-1]

if __name__ == '__main__':
    solu = Solution()
    print(solu.solve(n=7))

声明： 总结学习，有问题或不妥之处，可以批评指正哦。

[1] 题目/参考-链接:www.nowcoder.com/questionTerminal/14cf13771cd840849a402b848b5c1c93