leetCode322. 零钱兑换-动态规划

动态规划(Dynamic Programming)

1.动态规划题目特点

• 计数:
  • 有多少种方法走到右下角
  • 有多少种方法选出k个数使得和是Sum
• 求最大最小值
  • 从左上角到右下角路径的最大数字和
  • 最长上升子序列的长度
• 求存在性
  • 取石子游戏,先手是否必胜
  • 能不能选出k个数字使得和是sum

2.例题

1.leetcode-322. 零钱兑换

• 求最大最小值

给定不同面额的硬币 coins 和一个总金额 amount。编写一个函数来计算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。

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

---

以 coin = [2,5,7], amount = 27为例;

3.动态规划组成部分

3. 1确定状态

• 解决动态规划的时候需要开一个数组,数组的每个元素f[i]或者f[i][j]代表什么.(类似于数学题中的x,y,z);

• 确定状态需要两个意识:

  • 最后一步:虽然不知道最优策略是什么,但一定是k枚硬币的序列,所以一定有最后一枚硬币ak;[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-7aY3FpLO-1585142147154)(/home/guomingzhe/图片/2020-03-25 18-05-31 的屏幕截图.png)]
  • 子问题:最少用多少枚硬币可以拼出27-ak,将原来的问题转换为了一个规模更小的子问题;

求解:f(27) = min(f(27-2)+1, f(27-5)+1, f(27-7)+1)

递归解法:

// 超时不通过

public class A0322_CoinsChange {
	int res = Integer.MAX_VALUE;
    public int coinChange(int[] coins, int amount) {
        if(coins.length == 0){
            return -1;
        }

        findWay(coins,amount,0);

        // 如果没有任何一种硬币组合能组成总金额，返回 -1。
        if(res == Integer.MAX_VALUE){
            return -1;
        }
        return res;
    }

    public void findWay(int[] coins,int amount,int count){
        if(amount < 0){
            return;
        }
        if(amount == 0){
            res = Math.min(res,count);
        }

        for(int i = 0;i < coins.length;i++){
            findWay(coins,amount-coins[i],count+1);
        }
    }
}

递归方法中,若数值大,由于重复计算,效率底下,导致运算超时;

3.2 转移方程

• 设状态f[x]=最少用多少枚硬币拼出X
• 对于任意X, f[x] = min(f(27-2)+1, f(27-5)+1, f(27-7)+1)

3.3 初始条件和边界情况

• f[x] = min(f(27-2)+1, f(27-5)+1, f(27-7)+1)
• x-2,x-5,x-7小于零?什么时间停下来;
• 如果无解,定义f[y] = 正无穷
• 初始条件f[0] = 0 即用转移方程算不出来的,但是可以手动算出来;

3.4计算顺序

• 拼出X所需要的最少硬币数
• 初始条件:f[0] = [0]
• 依次计算:f[1],f[2],…,f[27]
• 当计算到f[x]时,f[x-2],f[x-5],f[x-7],已经取得结果了

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-nUJwtRkG-1585142147157)(/home/guomingzhe/图片/2020-03-25 18-21-07 的屏幕截图.png)]

每一步尝试三种硬币,一共是27步;

与递归相比,没有任何的重复计算;

算法的时间复杂度为O(n):27*3, n; <<<递归的时间复杂度;

4.总结

• 求最值型动态规划
• 动态规划组成部分:
  • 1.确定状态
    • 最后一步(最优策略中最后一枚硬币ak);
    • 化成子问题;
  • 2.转移方程
    • f[x] = min(f(27-2)+1, f(27-5)+1, f(27-7)+1);
  • 3.初始条件和边界情况
    • f[0] = 0,如果不能拼出Y,f[Y] = -1;
  • 4.计算顺序
    • f[1],f[2],…,f[27];
• 减少冗余,加速计算

   public int coinChange(int[] coins, int amount) {
        // 自底向上的动态规划
        if(coins.length == 0){
            return -1;
        }

        // memo[n]的值： 表示的凑成总金额为n所需的最少的硬币个数
        int[] memo = new int[amount+1];
        memo[0] = 0;
        for(int i = 1; i <= amount;i++){
            int min = Integer.MAX_VALUE;
            for(int j = 0;j < coins.length;j++){
                if(i - coins[j] >= 0 && memo[i-coins[j]] < min){
                    min = memo[i-coins[j]] + 1;
                }
            }
            // memo[i] = (min == Integer.MAX_VALUE ? Integer.MAX_VALUE : min);
            memo[i] = min;
        }

        return memo[amount] == Integer.MAX_VALUE ? -1 : memo[amount];
    }
}