在本文中,我们先用最简单的方法来解决问题,然后一步步进阶,在这个不断优化算法的过程中理解动态规划。
力扣 322. 零钱兑换 问题
- 给你一个整数数组 coins ,表示不同面额的硬币;以及一个整数 amount ,表示总金额。
- 计算并返回可以凑成总金额所需的 最少的硬币个数 。如果没有任何一种硬币组合能组成总金额,返回 -1 。【你可以认为每种硬币的数量是无限的。】
public int coinChange(int[] coins, int amount) {
}
1. 暴力递归
假设 coins[] = [2, 4, 5],amount = 10,想要求 amount = 10 可以求
min ( 1 + coinChange(coins, amount - 2), 1 + coinChange(coins, amount - 4), 1 + coinChange(coins, amount - 5) )
即假设已经知道了 amount = 8、amount = 6、amount = 5 时 所需的最少的硬币个数, 那只要再加 1 个硬币就可以凑够 10,在这三者中选最少的一个就是答案。
继续想的话,求 amount = 8,也是同样的方法,就是不断往下递归。
public int coinChange(int[] coins, int amount) {
//确定递归结束的条件
if(amount == 0) return 0;
if(amount < 0) return -1;
int res = Integer.MAX_VALUE;
//遍历求各 coinChange(amount-coin) 的值,求出最小值
for(int coin: coins){
int subProblem = coinChange(coins, amount-coin);
if(subProblem == -1) continue;
res = Math.min(res, subProblem + 1);
}
return res==Integer.MAX_VALUE ? -1 : res;
}
为了更好理解,来画一下递归树
从上图就可以看出来,这种方法就是在用递归把所有的可能穷举出来,然后取最小值。
但这个方法存在重叠子问题,即存在大量的重复计算。有很多问题我们已经计算过,但当递归到那里时,还是要再算一次。
所以为解决这个问题,下面采用带备忘录的递归解法。
2. 带备忘录的递归解法
带备忘录就是把已经计算过的值存起来,以此来减少不必要的计算。
每次计算完后,将值存入一个数组中,每次计算前判断一下备忘录中有没有存,有则可以直接获取,不需要再进行漫长的递归运算了。
int[] count;
public int coinChange(int[] coins, int amount) {
//建立数组,进行初始化
count = new int[amount+1];
Arrays.fill(count, -2);
return(coin(coins, amount));
}
public int coin(int[] coins, int amount){
if(amount == 0) return 0;
if(amount < 0) return -1;
//判断是否存入备忘录
if(count[amount] != -2)
return count[amount];
int res = Integer.MAX_VALUE;
for(int coin:coins){
int subProblem = coin(coins, amount-coin);
if(subProblem == -1) continue;
res = Math.min(res, subProblem+1);
}
//存入
count[amount] = (res == Integer.MAX_VALUE) ? -1 : res;
return count[amount];
}
现在似乎已经很完善了,但备忘录解法是 自顶向下 的,是从一个规模较大的原问题,一层一层向下分解成子问题,直至底层,然后再逐层返回结果。
动态规划是 自底向上 的解出最优值。下面来改造一下这个方法。
3. dp 数组的迭代解法
采用 自底向上 就是要从底层状态一直算到所求状态
定义一个 dp 数组,dp[i] 表示为 amount = i 时所需的最少的硬币个数
public int coinChange(int[] coins, int amount) {
int[] dp = new int[amount + 1];
Arrays.fill(dp, amount + 1);
dp[0] = 0;
// 外层 for 循环在遍历所有状态的所有取值
// 然后存入 dp[i] 中
for(int i=1; i<dp.length; i++){
for(int coin: coins){
if(i-coin < 0) continue;
dp[i] =Math.min(dp[i], 1 + dp[i-coin]);
}
}
return dp[amount] == amount + 1 ? -1 : dp[amount];
}
这就是最后的动态规划的解法了。
动态规划最核心的是写出状态转移方程,这也是最困难的一步,多多练习,熟能生巧。
本文源于学习 labuladong的算法小抄 ,大佬写的明白易懂,没有什么晦涩的地方。