挑战程序设计竞赛：硬币问题，一直贪心

最新推荐文章于 2022-06-04 00:44:00 发布

JUAN425

最新推荐文章于 2022-06-04 00:44:00 发布

阅读量775

点赞数

分类专栏：刷题

本文链接：https://blog.csdn.net/a130737/article/details/40043307

版权

刷题专栏收录该内容

36 篇文章 0 订阅

订阅专栏

本文探讨了换零钱问题，即如何用最少数量的特定面值硬币凑出指定金额，这是一个典型的背包问题。通过数学描述和约束条件，文章揭示了解决这一问题的重要性及其在货币以外的广泛应用。

摘要由CSDN通过智能技术生成

Change-making problem(换零钱问题）

问题的描述如下：

how can a given amount of money be made with the least number of coins of given denominations?

这是一个knapsack type problem（背包问题）, and has applications wider than just currency.

该问题的数学语言描述如下：

Given a set of integer coin values {w₁, w₂, ..., w_n} where w₁ = 1 and w_j < w_j+1 for 1 ≤ j ≤ n − 1, and a positive integer W, find a set of non-negative integers {x₁, x₂, ..., x_n} （对应需要的各个面值硬币的个数）which minimize

\sum_{j=1}^n x_j

subject to

\sum_{j=1}^n w_j x_j = W.

该问题的求解办法如下有三种办法，下面一一介绍。

（1）动态规划（dynamic programming）

（2）贪婪算法（greedy algorithm）

(3)线性规划(Linear programming)

方法一：动态规划解决

一个问题要能使用动态规划解决，该问题必须满足具有最优子结构和递归的原则。下面我们来看看。

（1）最优解（optimal solution）的结构（structure）

假如我们具有的硬币的不同的面值为

，假设我们每一种面值的硬币的个数是无穷大。现在我们想要用这个硬币集合去兑换价值为 n 的纸币。现在假设我们兑换成了一堆等值的硬币（最优的结果，注意最优的兑换结果不是唯一的），下在我们将这堆硬币任意分成两堆，一对的价值是b, 另外一堆的价值是n - b. 例如下面：

不难看出我们有如下的claim 成立：

证明略（Hint: proof by contradiction）

根据上述的声明，我们有如下的结论：

（2）递归结构

注意，在对p 分钱进行兑换的时候，对于最佳解（optimal solution），

递归式子如下：

接下来，该算法的伪代码如下：

我们还有如下声明：

C++ 程序如下：

#include <iostream>
#include <climits>

using namespace std;

void makeChange(int d[], int k, int n) {
    const int Size = n + 1;
    int C[Size];
    int S[Size];
    C[0] = 0;
    S[0] = 0;
    int coin;
    int Min;
    for (int p = 1; p <= n; p++) {
        Min = INT_MAX;
        for (int i = 1; i <= k; i++) {
            if (d[i] <= p) {
                if (1 + C[p - d[i]] < Min) {
                    Min = 1 + C[p - d[i]];
                    coin = i;
                }
            }
        }
        C[p] = Min;
        S[p] = coin;
    }

    for (int i = 0; i < Size; i++) {
        cout << C[i] << " ";
    }
    cout << endl;

    for (int i = 0; i < Size; i++) {
        cout << S[i] << " ";
    }
    cout << endl;

    while(n > 0) {
        cout << d[S[n]] << " " << endl;
        n -= d[S[n]];
    }
}


int main()
{
    int denomi[] = {0, 1, 3, 4};
    int k = 4;
    int note = 0;
    cout << "please input a note in cents: ";
    cin >> note;

    makeChange(denomi, k, note);

    return 0;
}

运行结果为：

算法复杂度分析：

（2）贪心算法

动态规划在解决这类问题的时候可能overkill，我们需要更快的，更简洁的算法，那么我们常常选择贪婪算法来解决这个问题。但是贪婪算法也有缺陷，就是不保证找到最优的解。例如：

硬币面值1,10,25.找30分钱，最优解是3*10，而贪心的情况下产生的解是1*5+25。

any way, 下面介绍贪心算法。贪心算法的遵循的规则就是每一次都选取当前看起来的最优的策略。例如，在coin change problem中，我们的测量就是优先选取“面值大的硬币”。

需要注意的是，上述算法并不总是产生最优的解，例如：

但是，虽然贪心算法不保证找到的解是最优的，但是当我们的输入满足一定的条件的时候，得到的结果就是最优的！！！！！！！！！！！！

例如，对于US currency，总过的面值有25， 10， 5， 1, 即如下：

证明如下：

方法三线性规划（略）

Integer Linear Programming is often a quick way to solve this kind of problem, but the time it will take to resolve the problem is not certain, and may be slow in some cases