Leetcode 322. Coin Change 动态规划与 DFS 解法

换硬币

题目链接

题目描述

也是一道非常经典的题目。给定一个数组 coins，里面的每个数字代表可以使用的硬币面值，假设硬币的个数是无穷的。需要将一个大的数值，用尽可能少的硬币数目替换，使得它们面值相等。如果不存在这样的替换，返回 -1。

Example 1:

Input: coins = [1, 2, 5], amount = 11
Output: 3 
Explanation: 11 = 5 + 5 + 1

解题方法

方法一：动态规划

动态规划。原始的思想是，使用 dp[i][j] 代表使用了第 i 个类型的硬币以后，能表示面值 j 的最小的硬币数目。假如 i+1 个硬币的面值是 c，更新的方式是 dp[i+1][j] = min(dp[i][j], dp[i][j - c] + 1)。因为这里 i+1 轮的所有结果，都只跟 i 轮的相关，所以可以只使用一个一维的数组，来降低空间复杂度。

总结来说，可以按如下进行计算：

1. 一开始初始化空间大小为 amount + 1 的数组空间，dp[0] 置为 0，其余置为无穷。
2. 按照 dp[i] = min(dp[i], dp[i - c] + 1) 更新
3. 返回位置 amount 处的值

代码

class Solution {
public:
    int coinChange(vector<int>& coins, int amount) {
        vector<int> dp(amount + 1, amount + 1);
        dp[0] = 0;
        for (int c : coins){
            for (int i = c; i <= amount; i ++){
                dp[i] = min(dp[i], dp[i - c] + 1);
            }
        }
        return dp[amount] == amount + 1 ? -1 : dp[amount];
    }
};

方法二：深度优先搜索

在空间中不断进行深度优先搜索。这里需要注意，如果不进行剪枝，会多进行很多不必要的运算。比如先搜索面值为 1 的硬币，会有很大的搜索空间，如果我们先搜索面值比较大的硬币，然后得到了一个解，如果我们接下来要搜索的时候，硬币数目已经大于了当前的解，那么就没必要进行搜索了。这样剪枝会带来很大的效率的提升。

方法二代码

class Solution {
public:
    int coinChange(vector<int>& coins, int amount) {
        // 先使用最大的
        sort(coins.rbegin(), coins.rend());
        int ans = INT_MAX;
        core(coins, amount, 0, 0, ans);
        return ans == INT_MAX ? -1 : ans;
    }
private:
    void core(vector<int> coins, int amount, int current_using, int current_count, int& ans){
        int coin = coins[current_using];
        if (current_using == coins.size() - 1){
            if (amount % coin == 0){
                ans = min(ans, current_count + amount / coin);
            }
        }
        else{
            // 先尽可能多的使用最大的
            // 在递归的时候进行剪枝，如果不能使得结果变得更好，就不要继续下去
            for (int k = amount / coin;
                k >= 0 && k + current_count < ans; k --){
                core(coins, amount - k * coin, current_using + 1, current_count + k, ans);
            }
        }
    }
};