题目
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,则返回-1。
备注: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
备忘录法
备忘录法,也叫记忆化递归法,是一种优化技术。它主要用于改进递归算法的性能,特别是在解决具有重叠子问题的问题时。它的工作原理是:通过缓存(或记住)先前计算的结果,避免重复计算相同的子问题,从而显著提高算法的效率。使用备忘录法求解本题的主要步骤如下。
1、定义递归函数coin_change_helper。该函数接受三个参数:硬币数组coins、目标金额amount、备忘录memo。其中,备忘录memo用于存储已计算过的子问题的结果。
2、基本情况。
(1)如果amount为0,则返回0,表示不需要任何硬币。
(2)如果amount小于0,则返回无穷大,表示无法凑成负数金额。
(3)如果amount已经存在于备忘录memo中,则直接返回备忘录中的结果。
3、进行递归。
(1)对于每种硬币coin,递归调用上面定义好的递归函数,计算使用该硬币时所需的最少硬币数量。
(2)递归调用时,将amount - coin作为新的金额传递,并递归地查找最少硬币数量。
(3)递归完成后,更新备忘录memo,并返回最少硬币数量。
4、如果递归结果为无穷大,则表示无法凑成目标金额,返回-1。否则,返回递归结果作为最少硬币数量。
根据上面的算法步骤,我们可以得出下面的示例代码。
import math
def coin_change_by_memoization(coins, amount):
# 创建一个字典,用于存储已计算过的子问题结果
memo = {}
def coin_change_helper(coins, amount):
if amount == 0:
return 0
if amount < 0:
return math.inf
if amount in memo:
return memo[amount]
min_coins = math.inf
for coin in coins:
# 递归调用,计算使用该硬币时所需的最少硬币数量
result = coin_change_helper(coins, amount - coin)
# 如果递归结果不是无穷大,则更新最少硬币数量
if result != math.inf:
min_coins = min(min_coins, result + 1)
# 更新备忘录memo
memo[amount] = min_coins
# 返回最少硬币数量
return min_coins
result = coin_change_helper(coins, amount)
return result if result != math.inf else -1
coins = [1, 2, 5]
amount = 11
print(coin_change_by_memoization(coins, amount))
coins = [2]
amount = 3
print(coin_change_by_memoization(coins, amount))
动态规划法
本题是一个经典的动态规划问题,可以使用动态规划算法来解决。我们使用一个一维数组dp来存储到达每个金额所需的最少硬币数量,数组dp的索引表示金额,dp[i]表示凑成金额i所需的最少硬币数量。使用动态规划法求解本题的主要步骤如下。
1、初始化dp数组,dp[0]设置为0,因为凑成金额0所需的硬币数量为0。
2、对于dp数组中的每个金额i,从1到amount,找出可以使用哪些硬币凑成该金额,并更新dp[i]为使用最少硬币数量的值。
3、对于每个金额i,遍历所有硬币coins。如果硬币面额coin小于等于金额i,则可以使用该硬币来凑成金额i,此时更新dp[i]为:min(dp[i], dp[i - coin] + 1)。
4、如果dp[amount]仍为初始值(比如:inf),则表示无法凑成总金额,返回-1。否则,返回dp[amount]。
根据上面的算法步骤,我们可以得出下面的示例代码。
import math
def coin_change_by_dp(coins, amount):
# 初始化dp数组,长度为amount + 1,用于存储凑成每个金额所需的最少硬币数量
dp = [math.inf] * (amount + 1)
# dp[0]初始化为0
dp[0] = 0
# 从金额1开始遍历,直到目标金额amount
for i in range(1, amount + 1):
# 对于每个金额i,尝试使用每种硬币
for coin in coins:
# 如果硬币面额小于等于当前金额i
if coin <= i:
# 更新dp[i]
dp[i] = min(dp[i], dp[i - coin] + 1)
return dp[amount] if dp[amount] != math.inf else -1
coins = [1, 2, 5]
amount = 11
print(coin_change_by_dp(coins, amount))
coins = [2]
amount = 3
print(coin_change_by_dp(coins, amount))
总结
使用备忘录法时,每个子问题只被计算一次,子问题的数量与金额amount成正比。总的时间复杂度为O(N * amount),其中N是硬币种类的数量。备忘录的最大大小为 amount,故其空间复杂度为O(amount)。相比纯递归法,备忘录法通过避免重复计算相同的子问题,效率大大提高。
动态规划法的时间复杂度为O(N * amount),空间复杂度为O(amount),与备忘录法基本相同。动态规划法的实现相对简单,易于理解,通常被视为更优的选择。
💡 需要《Python面试宝典》完整源码的大佬们,可订阅专栏后,搜索微信公众号“希望睿智”私信获取。