算法导论：最少硬币问题之python程序

动态规划：最少硬币问题

1. 问题描述：
   设有 n 种不同面值的硬币，各硬币的面值存于数组 T［1:n］中。现要用这些面值的硬币来找钱。可以使用的各种面值的硬币个数存于数组 Coins［1:n］中。
   对任意钱数 0≤m≤20001，设计一个用最少硬币找钱 m 的方法。

2. 编程任务：
   对于给定的 1≤n≤10，硬币面值数组 T 和可以使用的各种面值的硬币个数数组 Coins，以及钱数 m，0≤m≤20001，编程计算找钱 m 的最少硬币数。

3. ´数据输入：
   由文件 input.txt 提供输入数据，文件的第一行中只有 1 个整数给出n 的值,第 2 行起每行 2 个数，分别是 T[j]和 Coins[j]。最后 1 行是要找的钱数 m。

4. 解决思路：
   第一次观察题目，所想到的解决方法，是利用贪心策略，从最接近要找钱数去找下去。但是实际上是不行的，比如需要找6元，现在有面值为1，3，4元各两张，如果按最接近的方式找下去，结果是4、1、1，三张，但是其实两张3元是最少的。所以还是回到动态规划的思路上，寻找一个递推式。
   定义一个长度为m的数组从c[1….m]中存放一系列子结果，即c[i]为要凑的钱数为i时所需要的最少硬币数，那从c[m]就是我们要求的结果，当要找的钱数i(1<i<m)与当前试探的硬币面值k相等时，则c[i]=1，也就是说如果当前要找开的钱，在n个面值中有，那就直接返回结果为1。当i大于当前所有试探硬币的面值k时，若c[i]=0,表示未赋值过，且c[i-k]不为0，即从i元中去掉k元后剩下的钱数是可以找开的，则c[i]=c[i-k]+1;若c[i]!=0,表示已经赋值过了，那c[i]=c[i-k]+1 和c[i]中比较小的数，所有c[i]的递推式出来了：
   c[k] = min{c[k],c[k-T[i]]+1},T[i]<=k<=m

说了这么多可能不够实在,我们取个例子：
比如说现在我的n=3,m=7, T= [1,2,5],Coins=[3,3,3]
开始我们的计算，注意c[0]是等于0的，0不要找。c[1]-c[7]初始化为无穷大
过程：
把T[0]=1,T[1]=2,T[2]=5,且各三枚硬币代入式子算即可
其中T[i]不可大于被减数
c[1] = min{c[1],c[1-T[i]]+1}=1 取i=0,c[1]=c[0]+1 即m=1=T[0]
c[2] = min{c[2],c[2-T[i]]+1}=1 取i=1,c[2]=c[0]+1 即m=2=T[1]
c[3] = min{c[3],c[3-T[i]]+1}=2 取i=0,c[3]=c[1]+1 即m=3 =T[0]+T[1]
c[4] = min{c[4],c[4-T[i]]+1}=2 取i=1,c[4]=c[2]+1 即m=4=T[1]+T[1]
c[5] = min{c[5],c[5-T[i]]+1}=1 取i=2,c[5]=c[0]+1 即m=5=T[2]
c[6] = min{c[6],c[6-T[i]]+1}=2 取i=0,c[6]=c[5]+1 即m=6=T[2]+T[0]
c[7] = min{c[7],c[7-T[i]]+1}=2 取i=1,c[5]=c[5]+1 即m=7=T[2]+T[1]

以上就是例子的推理。其实以上在选取i的时候有时候i可以选多个值，因为结果的大小一样，具体选择根据代码怎么遍历来选择。

5. python代码演示

def dp1(n,m,T,Coins):  #n钱的种数，m 要找的钱 T 是硬币面值的数组，Coins是对应的硬币个数
    c = [100000 for inf in range(m+1) ]  #初始值为100000
    c[0] = 0
    for i in range(n):
        for j in range(Coins[i]):
            for k in range(m,T[i]-1,-1):
                c[k] = min(c[k],c[k-T[i]]+1)
    if c[m]!=100000:
        print("最少硬币个数为：", c[m])
    else:
        print(-1)
# n=3,m=18,T=[1,2,5],Coins=[3,3,3]
dp1(3,18,[1,2,5],[3,3,3])

#result
最少硬币个数为： 5