一刷116-dp完全背包-322零钱兑换（m）(剑指 Offer II 103. 最少的硬币数目)

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：
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
示例 4：

输入：coins = [1], amount = 1
输出：1
示例 5：

输入：coins = [1], amount = 2
输出：2

提示：
1 <= coins.length <= 12
1 <= coins[i] <= 231 - 1
0 <= amount <= 104
----------------------
思考：
在动态规划：518.零钱兑换II 中我们已经兑换一次零钱了，这次又要兑换，套路不一样！
题目中说每种硬币的数量是无限的，可以看出是典型的完全背包问题。

动规五部曲分析如下：
确定dp数组以及下标的含义
dp[j]：凑足总额为j所需钱币的最少个数为dp[j]

确定递推公式
得到dp[j]（考虑coins[i]），只有一个来源，dp[j - coins[i]]（没有考虑coins[i]）。

凑足总额为j - coins[i]的最少个数为dp[j - coins[i]]，
那么只需要加上一个钱币coins[i]即dp[j - coins[i]] + 1就是dp[j]（考虑coins[i]）

所以dp[j] 要取所有 dp[j - coins[i]] + 1 中最小的。
递推公式：dp[j] = min(dp[j - coins[i]] + 1, dp[j]);

dp数组如何初始化
首先凑足总金额为0所需钱币的个数一定是0，那么dp[0] = 0;

其他下标对应的数值呢？

考虑到递推公式的特性，dp[j]必须初始化为一个最大的数，
否则就会在min(dp[j - coins[i]] + 1, dp[j])比较的过程中被初始值覆盖。

所以下标非0的元素都是应该是最大值。

确定遍历顺序
本题求钱币最小个数，那么钱币有顺序和没有顺序都可以，都不影响钱币的最小个数。
所以本题并不强调集合是组合还是排列。

如果求组合数就是外层for循环遍历物品，内层for遍历背包。
如果求排列数就是外层for遍历背包，内层for循环遍历物品。

所以本题的两个for循环的关系是：
外层for循环遍历物品，内层for遍历背包或者外层for遍历背包，内层for循环遍历物品都是可以的！

那么我采用coins放在外循环，target在内循环的方式。

本题钱币数量可以无限使用，那么是完全背包。所以遍历的内循环是正序
综上所述，遍历顺序为：coins（物品）放在外循环，target（背包）在内循环。且内循环正序。

举例推导dp数组
以输入：coins = [1, 2, 5], amount = 5为例

dp[amount]为最终结果。
动态规划：518.零钱兑换II 中求的是组合数
动态规划：377. 组合总和 Ⅳ 中求的是排列数。
而本题是要求最少硬币数量，硬币是组合数还是排列数都无所谓！
所以两个for循环先后顺序怎样都可以！
--------------
代码：
class Solution {//完全背包：内层循环 正序  //dp[j]：凑足总额为j所需钱币的最少个数为dp[j]   
    public int coinChange(int[] coins, int amount) {
        int max = Integer.MAX_VALUE;
        int[] dp = new int[amount + 1];
        for (int i = 1; i < dp.length; i++) {//初始化dp数组为最大值 dp[0] = 0 这里i从1开始
            dp[i] = max;当金额为0时需要的硬币数目为0
        }
        for (int i = 0; i < coins.length; i++) {
            for (int j = coins[i]; j <= amount; j++) { //正序遍历：完全背包每个硬币可以选择多次
                if (dp[j - coins[i]] != max) {//只有dp[j-coins[i]]不是初始最大值时，该位才有选择的必要
                    dp[j] = Math.min(dp[j], dp[j - coins[i]] + 1); //选择硬币数目最小的情况
                }
            }
        }
        return dp[amount] == max ? -1 : dp[amount];//判断
    }
}

LC