dp--322.零钱兑换/medium 理解度A

最新推荐文章于 2024-10-02 23:40:03 发布

cjh-Java

最新推荐文章于 2024-10-02 23:40:03 发布

阅读量852

点赞数 17

分类专栏： # 算法解题报告-leetcode 热门文章标签：算法数据结构动态规划

本文链接：https://blog.csdn.net/fujuacm/article/details/135404638

版权

算法解题报告-leetcode 热门专栏收录该内容

60 篇文章 0 订阅

订阅专栏

本文介绍了使用动态规划解决‘最少硬币数兑换总金额’问题的方法，包括定义状态、状态转移规则、解题步骤和代码实现。关键点在于判断金额与硬币的关系，以及维护凑齐金额所需的最少硬币数数组。

摘要由CSDN通过智能技术生成

1、题目

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。

示例 1：

输入：coins = [1, 2, 5], amount = 11
输出：3 
解释：11 = 5 + 5 + 1

示例 2：

输入：coins = [2], amount = 3
输出：-1

示例 3：

输入：coins = [1], amount = 0
输出：0

提示：

1 <= coins.length <= 12
1 <= coins[i] <= 2³¹ - 1
0 <= amount <= 10⁴

2、题目分析

动态规划通常用于求最优解。
解决套路可分为 2 步，①基于问题能定义出状态，②状态间具备动态规划的三个特性

①基于问题能定义出状态：问题是“凑成总金额所需的最少的硬币个数”，而状态就可以定义为“每个金额所需的最少的硬币个数”。因为这样，当流转到最终状态时，即可得到问题的答案。

②状态间具备动态规划的三个特性

子问题重复且策略重复：
子问题重复：每个状态就是一个重复的子问题，都是问该金额下所需的最少的硬币个数
策略重复：策略都是判断该金额减去各硬币后的金额是否已被求得硬币个数，若是，则在此硬币个数上 + 1
最优子结构：
该金额下所需的最少的硬币个数。等于该金额减去各硬币后的金额所需的最少的硬币个数 + 1
无后效性
无需考虑更前阶段对本阶段的影响：该金额只与减去各硬币后的金额所处的状态有关联，而无需关注该金额减去各硬币后的金额如何一步步推导而来。
后续阶段对本阶段不会产生影响：该金额所需的最少的硬币个数被确定后，不会被后续金额的决策所影响

3、解题步骤

1、将凑齐每个金额对应的最少硬币数初始化为无穷大，意味着未计算出凑齐每个金额所需最少的硬币数，简化dp代码的编写
2、动态规划凑齐1~amount，各需要的最少硬币数
3、明确i元在本次无法凑齐的2个原因，并记录凑齐i元的最少硬币数
4、dp[amount] 表示凑齐 amount 所需的最少硬币数，若值为无穷大，意味着不可凑齐返回-1，否则返回 dp[amount]

4、复杂度最优解代码示例

    public int coinChange(int[] coins, int amount) {
        int[] dp = new int[amount + 1];
        // 1、将凑齐每个金额对应的最少硬币数初始化为无穷大，意味着未计算出凑齐每个金额所需最少的硬币数，简化dp代码的编写
        Arrays.fill(dp, Integer.MAX_VALUE);
        // 凑齐0元，无需硬币
        dp[0] = 0;
        for (int i = 1; i <= amount; i++) {
            // 2、动态规划凑齐1~amount，各需要的最少硬币数
            // 先初始化凑齐i元的最少硬币数为无穷大。
            int iMin = Integer.MAX_VALUE;
            for (int coin : coins) {
                if (i - coin < 0 || (dp[i - coin] == Integer.MAX_VALUE)) {
                    // 3、i元在本次无法凑齐的2个原因：
                    // a. i - coin < 0，意味着单个硬币金额 > 所需凑齐金额，故本硬币无法用来凑齐该金额
                    // b. dp[i - coin] == Integer.MAX_VALUE，意味着本金额-本硬币金额前的状态 未可达，继而无法借助前面的状态转移到当前状态。
                    continue;
                }
                // c、记录凑齐i元的最少硬币数
                iMin = Math.min(iMin, dp[i - coin] + 1);
            }
            dp[i] = iMin;
        }
        // 4、dp[amount] 表示凑齐 amount 所需的最少硬币数，若值为无穷大，意味着不可凑齐 返回-1，否则返回 dp[amount]
        return dp[amount] == Integer.MAX_VALUE ? -1 : dp[amount];
    }