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。
解法一: 暴力递归
process(int[] coins, int amount)的含义为,用coins里的硬币组成anount,最少的硬币个数是多少,用索引i依次遍历coins数组,当i为0的时候,代表用一个coins[0]硬币加process(coins,amount-coins[0])个硬币可以组成amount。当i为1的时候,代表用一个coins[1]硬币process(coins,amount-coins[1])个硬币可以组成amount。代码如下:
public static int coinChange(int[] coins, int amount) {
return process(coins, amount);
}
//用coins里的硬币组成anount,最少的硬币个数是多少
public static int process(int[] coins, int amount){
if (amount < 0){
return -1;
}
if (amount == 0){
return 0;
}
int min = Integer.MAX_VALUE;
for (int i = 0; i < coins.length; i++) {
int nums = process(coins, amount-coins[i]);
if (nums == -1){
continue;
}
min = Math.min(min, nums+1);
}
return min == Integer.MAX_VALUE ? -1 : min;
}
解法二: 动态规划
暴力递归直接改动态规划,方法参数中只有一个变化的变量amount,其值在负无穷到amount之间变化,我们将dp数组的大小设置为amount+1,当amount小于0时,根据base case,直接返回-1. 题目要求返回dp[amount].接下来分析如何推导,不难发现,dp[i]依赖于dp[i-coins[0]], dp[i-coins[1]], dp[i-coins[2]]…。代码如下:
public static int coinChangeDP(int[] coins, int amount) {
int[] dp = new int[amount+1];
dp[0] = 0;
int min = Integer.MAX_VALUE;
for (int i = 1; i <= amount; i++) {
for (int j = 0; j < coins.length; j++) {
int nums = getValue(dp, i-coins[j]);
if (nums == -1){
continue;
}
min = Math.min(min, nums+1);
}
dp[i] = min == Integer.MAX_VALUE ? -1 : min;
min = Integer.MAX_VALUE;
}
return dp[amount];
}
public static int getValue(int[] dp, int i){
if (i < 0){
return -1;
}
return dp[i];
}
解法三:动态规划改进:
优化思路:在每一轮循环中,如果已经发现当前方案硬币面值coins[j]超过了已知最小数量i,则可以提前结束当前循环,进行下一轮计算。
public int coinChange(int[] coins, int amount) {
int[] dp = new int[amount+1];
Arrays.fill(dp, amount+1);
dp[0] = 0;
for (int i = 1; i <= amount; i++) {
for (int j = 0; j < coins.length; j++) {
if (coins[j] <= i) {
dp[i] = Math.min(dp[i], dp[i - coins[j]] + 1);
}
}
}
return dp[amount] > amount ? -1 : dp[amount];
}