换硬币问题也是动态规格的一类经典问题,这里主要给出两个题,给出分析
1.最少硬币数
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,返回 -1。
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
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
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/coin-change
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
递归
递归的解题思路是最容易想到的,即我们穷举所有的可能,取出每个amount可以组成个数的最小值即可。
当金额等于0的时候,此时可以换0种
当金额小于0的时候,返回-1。
遍历硬币coin,不放硬币coin需要的最小数量为coinChange(coins, amount - coin),放硬币coin需要的最小数量为coinChange(coins, amount - coin)+1
所以写出我们的递归代码如下:
public int coinChange(int[] coins, int amount) {
if (amount == 0) {
return 0;
}
if (amount < 0) {
return -1;
}
int res = Integer.MAX_VALUE;
for (int coin : coins) {
int subpro = coinChange(coins, amount - coin);
if (subpro == -1) {
continue;
}
res = Math.min(res, subpro + 1);
}
return res == Integer.MAX_VALUE ? -1 : res;
}
提交后,时间超出限制,观察发现,存在很多重复计算,
如amount=7,
当取coin=1时,我们需要计算coinChange(coins, amount - 1),要计算coinChange(coins, amount - 1),就需要计算coinChange(coins, amount -1-1),即coinChange(coins, 5);
当取coin=2时,我们需要计算coinChange(coins, amount - 2),即也会计算coinChange(coins, 5);
这里可以发现coinChange(coins, 5)我们就计算了两次,继续往下,如coinChange(coins, 2),coinChange(coins, 1),重复计算会更多。
这时可以使用备忘录缓存结果。
如果穷举时间超出限制,一定使用备忘录缓存
备忘录递归
这里直接使用数组缓存
代码如下
public int coinChangeByMem(int[] coins, int amount) {
return coinChangeByMem(coins, amount, new int[amount + 1]);
}
//时间复杂度超标,修改使用备忘录缓存已经计算过的结果
public int coinChangeByMem(int[] coins, int amount, int[] mem) {
if (amount == 0) {
return 0;
}
if (amount < 0) {
return -1;
}
//说明备忘录中已有数据
if (mem[amount] != 0) {
return mem[amount];
}
int res = Integer.MAX_VALUE;
for (int coin : coins) {
int subpro = coinChangeByMem(coins, amount - coin, mem);
if (subpro == -1) {
continue;
}
res = Math.min(res, subpro + 1);
}
mem[amount] = res == Integer.MAX_VALUE ? -1 : res;
return mem[amount];
}
动态规划,自低向顶
还可以使用动态规划,自底向顶遍历,
思路都大致相同,这里也不做过多解释,注意tempResult初始化的值为Integer.MAX_VALUE - 1,因为后面会比较dp[i]+1,避免越界
//dp方式,从低到顶
public int coinChangeByDp(int[] coins, int amount) {
int[] dp = new int[amount + 1];
dp[0] = 0;
for (int tempAmount = 1; tempAmount <= amount; tempAmount++) {
int tempResult = Integer.MAX_VALUE - 1;
for (int coin : coins) {
if (tempAmount >= coin && tempResult > dp[tempAmount - coin] + 1) {
tempResult = dp[tempAmount - coin] + 1;
}
}
dp[tempAmount] = tempResult;
}
return dp[amount] == Integer.MAX_VALUE - 1 ? -1 : dp[amount];
}
2.硬币组合数
题目
给定不同面额的硬币和一个总金额。写出函数来计算可以凑成总金额的硬币组合数。假设每一种面额的硬币有无限个。
示例 1:
输入: amount = 5, coins = [1, 2, 5]
输出: 4
解释: 有四种方式可以凑成总金额:
5=5
5=2+2+1
5=2+1+1+1
5=1+1+1+1+1
示例 2:
输入: amount = 3, coins = [2]
输出: 0
解释: 只用面额2的硬币不能凑成总金额3。
示例 3:
输入: amount = 10, coins = [10]
输出: 1
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/coin-change-2
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
分析
该题是一个典型的背包问题,关键点在于dp数组的构建,
这里的dp数组构建,注意是前N个元素
int[][] dp =new int[n + 1][amount + 1];//前n个元素组成金额amount的组合数
那么状态转移方程,就可以表示成
dp[n][amount]=没有第n个元素参与的组合数+只有第n个元素的组合数=dp[n-1][amount]+dp[n][amount-coins[n-1]]
初始化值,dp[0][amount]=0,dp[n][0]=1(金额0元,一个硬币都不要,次情况唯一,所以永远为1),
这里,该题的逻辑就已经分析完了,写一些if做逻辑判定就可以了
代码
public int change(int amount, int[] coins) {
int n = coins.length;
//构建dp数组,前n个元素组成金额amount的组合数
int[][] dp =new int[n + 1][amount + 1];
for (int i = 0; i <= n; i++)
dp[i][0] = 1;
for (int i = 1; i <= n; i++) {
for (int tempAmount = 1; tempAmount <= amount; tempAmount++)
if (tempAmount - coins[i-1] >= 0)
dp[i][tempAmount] = dp[i - 1][tempAmount]
+ dp[i][tempAmount - coins[i-1]];
else
dp[i][tempAmount] = dp[i - 1][tempAmount];
}
return dp[n][amount];
}