这个问题是一个可以用dynamic programming(动态规划) 解决的一个经典的问题。
问题如下:
给定我们面值为1, 2, 3 的硬币。 而且每种面值的硬币的数量是任意的。
现在我们有5元钱, 要求我们换开这5元钱, 并且使得我们手里的硬币的数量的最少的。
解决思路如下:
首先, 如果我们列举出所有可能的兑换的方案的话, 如下:
5 = 1 + 1 + 1 + 1 + 1
5 = 1 + 1 + 3
5 = 2 + 2 + 1
5 = 2 + 3
所以最少的数量是2。 这也是硬币的最佳兑换方案。
那么如何解决这个问题呢??? 下面我们看看如何使用dynamic programming 去解决这个问题。
现在我们记C(P) 为minimum number of coins to exchange the sum P cents。
我们知道, 一个问题要想使用动态规划去解决, 那么这个问题首先满足两个原则:
(1)optimal substructure(最优子结构): 即通过将问题分解为子问题, 那么要想求得问题的最优解, 可以通过解决其子问题的最优解, 然后利用子问题的最优解, 组合成原问题的最优解, 那么我们就说这个问题具有最优子结构。
(2)overlapping subproblems(重叠子问题): 如果问题的递归算法需要反复的求解相同的子问题, 而不是生成新的子问题, 我们就说最优化问题具有重叠子问题的性质。
关于该问题, 我们有如下公式:
下面可以通过如下的公式看出来这个问题满足上述的两个原则:
具体的步骤如下:
等等。
下面给出解决上述问题的程序。
首先, 比较naive 的解法如下, 是纯粹使用递归的办法解决这个问题:
#include <iostream>
//header file <climits> , defines the macro for maximum/minimum number of
//different types
#include <climits> // for the use of macro INT_MAX.
#include <vector>
using namespace std;
int CoinChange(vector<int> C, int change) {
if(change <= 0) {
return 0;
}
int minCoins = INT_MAX;
for (int i = 0; i < static_cast<int>(C.size()); i++) {
// cout << i << " ";
if(C[i] <= change) {
minCoins = min(minCoins, CoinChange(C, change - C[i]) + 1);
}
}
return minCoins;
}
int main()
{
vector<int> coins = {1, 2, 3};
// vector<int>::iterator p;
// for(p = coins.begin(); p != coins.end(); p++) {
// cout << *p << " ";
// }
//
// cout << endl;
int change = 5;
// cout << change << endl;
cout << CoinChange(coins, change) << endl;
return 0;
}
note: 调试有两种办法, 一种是使用CB自带的调试工具。 一种是埋进去程序, 已查看哪里出了问题。
上卖的程序最开始出错了。
运行结果如下:
动态规划的解决办法如下:
#include <iostream>
//header file <climits> , defines the macro for maximum/minimum number of
//different types
#include <climits> // for the use of macro INT_MAX.
#include <vector>
using namespace std;
int CoinChange(vector<int> C, int change) {
if(change <= 0) {
return 0;
}
int minCoins = INT_MAX;
for (int i = 0; i < static_cast<int>(C.size()); i++) {
// cout << i << " ";
if(C[i] <= change) {
minCoins = min(minCoins, CoinChange(C, change - C[i]) + 1);
}
}
return minCoins;
}
int dpCoinChange(vector<int> C, int change) {
vector<int> S(change + 1, INT_MAX);//size: change + 1 elements value: INT_MAX
S[0] = 0;
for (int i = 1; i <= change; i++) {
for (int j = 0; j < static_cast<int>(C.size()); j++) {
if(i >= C[j] && 1 + S[i - C[j]] < S[i]) {
S[i] = 1 + S[i - C[j]];
}
}
}
return S[change];
}
int main()
{
vector<int> coins = {1, 2, 3};
// vector<int>::iterator p;
// for(p = coins.begin(); p != coins.end(); p++) {
// cout << *p << " ";
// }
//
// cout << endl;
int change = 5;
// cout << change << endl;
cout << CoinChange(coins, change) << endl;
cout << dpCoinChange(coins, change) << endl;
return 0;
}
运行结果如下:
现在加入我们想要把兑换的最佳结果打印下来, 可以如下修改代码:
#include <iostream>
//header file <climits> , defines the macro for maximum/minimum number of
//different types
#include <climits> // for the use of macro INT_MAX.
#include <vector>
using namespace std;
int CoinChange(vector<int> C, int change) {
if(change <= 0) {
return 0;
}
int minCoins = INT_MAX;
for (int i = 0; i < static_cast<int>(C.size()); i++) {
// cout << i << " ";
if(C[i] <= change) {
minCoins = min(minCoins, CoinChange(C, change - C[i]) + 1);
}
}
return minCoins;
}
int dpCoinChange(vector<int> C, int change) {
vector<int> S(change + 1, INT_MAX);//size: change + 1 elements value: INT_MAX
vector<int> seq(change + 1);
S[0] = 0;
for (int i = 1; i <= change; i++) {
for (int j = 0; j < static_cast<int>(C.size()); j++) {
if(i >= C[j] && 1 + S[i - C[j]] < S[i]) { // ensure i > C[j] such that i - C[j] make sense
S[i] = 1 + S[i - C[j]];// 0, ... i-1 is already optimal
seq[i] = j; 面值为i, 最后选择的第j个硬币
}
}
}
cout << "Coins: ";
int j = change;
while(j) {
cout << " " << C[seq[j]];
j = j - C[seq[j]];
}
cout << endl;
return S[change];
}
int main()
{
vector<int> coins = {1, 2, 3};
// vector<int>::iterator p;
// for(p = coins.begin(); p != coins.end(); p++) {
// cout << *p << " ";
// }
//
// cout << endl;
int change = 5;
// cout << change << endl;
cout << CoinChange(coins, change) << endl;
cout << dpCoinChange(coins, change) << endl;
return 0;
}
运行结果如下: