leetcode 322 零钱兑换(动态规划，完全背包，打表法）

题目：

我们利用 打表法来找出转移方程：

方阵中每一个格子的值计算过程如下所示：
行表示硬币的面值，列表示金额amnout的数量；
我们对首先对每个格子的初始化值都为amnout + 1;
每一行表示目前只能取到0到i个硬币，后面面值的硬币先不考虑；
对于dp[i][j]（即每个格的值所代表的含义：表示在凑出当前金额j所需要0到i个硬币的最小数量；
很容易理解，我们的第一列值都应该为0；凑出金额0需要0枚硬币；

下面我们手动计算一下第二行，即目前只能取到面值为0和面值为1的硬币；

手动计算第三行：

在计算的过程中，我们可以得出状态转移方程：

if j >= coins[i -1]:
    dp[i][j] = min(dp[i - 1][j], dp[i][j - coins[i - 1]] + 1)
else:
    dp[i][j] = dp[i -1][j]

因此，二维dp代码如下：

class Solution:
    def coinChange(self, coins, amount):

        dp = [[amount + 1] * (amount + 1) for i in range(len(coins) + 1)]

        for i in range(len(coins) + 1):


            dp[i][0] = 0
        # print(dp)


        for i in range(1,len(coins) + 1):

            for j in range(0, amount + 1):

                if j >= coins[i -1]:

                    dp[i][j] = min(dp[i - 1][j], dp[i][j - coins[i - 1]] + 1)
                else:
                    dp[i][j] = dp[i -1][j]


        if dp[len(coins)][amount] <= amount:
            return dp[len(coins)][amount]
        else:
            return -1

下面进行简化为一维dp：
这时候如果我们理解了完全背包问题，就很容易理解二维到一维dp的压缩过程
二维的状态转移方程：

if j >= coins[i -1]:
    dp[i][j] = min(dp[i - 1][j], dp[i][j - coins[i - 1]] + 1)
else:
    dp[i][j] = dp[i -1][j]

如果压缩为一维度，我们可以把第一维度压缩了，即变成如下的方程：
dp[j] = min(dp[j], dp[j - coins[i - 1]] + 1])
变成上述形式其实就是一个先后计算的问题（并且也关系到硬币数量可以取无限次的情况）
下面我们认真分析：
在未更新dp[j]（dp[i][j])之前，dp[j]表示dp[i - 1][j]
因此,dp[i - 1][j] 可以表示为dp[j]
而dp[i][j - coins[i - 1]]中j - coins[i - 1]的值是小于j的，因此是已经计算（更新）过的
所以，dp[i][j - coins[i - 1]]可以表示为dp[j - coins[i - 1]]

因此，状态转移方程如下所示：
dp[j] = min(dp[j], dp[j - coins[i - 1]] + 1])

一维dp代码如下所示：

class Solution:
    def coinChange(self, coins, amount):

        #一维dp
        dp = [amount + 1] * (amount + 1)

        dp[0] = 0

        for i in range(1, len(coins) + 1):

            for j in range(0, amount + 1):

                if j >= coins[i - 1]:

                    dp[j] = min(dp[j], dp[j - coins[i - 1]] + 1)

                
        if dp[amount] <= amount:

            return dp[amount]
            
        else:

            return -1