力扣-动态规划-322. 零钱兑换

力扣-动态规划-322. 零钱兑换

322. 零钱兑换

题目描述

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。

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。

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

提示：
1 <= coins.length <= 12
1 <= coins[i] <= 231 - 1
0 <= amount <= 104

解题思路：动态规划 完全背包求组合数

 根据题意来看，数组中每种面额可以选择无限次，不同顺序结果都是一样的，因此这是完全背包求组合数。
 做之前先理一下思路，我们从内外层遍历顺序、前后顺序和初始化三个角度来比较。
 对于01背包求最大价值问题，二维数组内外层的物品和背包容量都能交换，滚动数组只能是物品在外层，背包容量在内层，因为滚动数组防止元素重复加入必须从后向前遍历，如果背包容量在外层，那对于每一个容量，只能从所有物品中选一个物品。对于01背包求组合数问题，依次累加滚动数组就行，即 dp[j] += dp[j - nums[i]]。
 对于完全背包求最大价值问题，二维数组和滚动数组内外层顺序都能交换，但滚动数组只能从前向后遍历，从前先后遍历都能用到前面遍历过的值。对于完全背包求组合数问题，如果求的是组合数——那么都只能是外层物品，内层背包（外层依次遍历物品相当于依次加入物品，前面加入的物品已经固定），如果求的是排列数——那么外层只能是背包，内层是物品。内层遍历的内容都在同一层上面，对外层固定的一个i，内层都要把所有的情况遍历一遍，外层的内容先遍历的就先确定下来，后面遍历的内容依次加入。
 求组合数的dp[0]都初始化为1，可以理解为当物品容量刚好为背包容量时对应的值就是dp[0]，这也是一种组合，因此dp[0] = 1。
 本题有个不同，求的是最少的硬币数量，每选一枚硬币，我们就认为是价值加1，所以每个物品的价值都是1。但是要考虑一个问题如果dp[j - nums[i]]值不是一个正整数，说明选择了物品i之后剩下的物品没有办法刚好装满背包，这种情况下dp[j]的值不变。如果dp[j - nums[i]]值是一个正整数，则从dp[j]和dp[j - nums[i]]中选一个最小的。如果我们将dp数组初始化为0，dp[j]如果有值，会被0覆盖掉，因此我们用Integer的最大值来初始化dp数组，防止更新的值被初始值覆盖。
 代码如下，各位小伙伴如果有什么问题可以在评论里提出来，欢迎大家交流。

 //完全背包
    public int coinChange(int[] coins, int amount) {
        if (amount == 0) {
            return 0;
        }
        int[] dp = new int[amount + 1];
        for (int i = 1; i <= amount; i++) {
            dp[i] = Integer.MAX_VALUE;
        } 
        for (int i = 0; i < coins.length; i++) {
            for (int j = coins[i]; j <= amount; j++) {
                if (dp[j - coins[i]] != Integer.MAX_VALUE) {
                    //选择硬币数目最小的情况
                    dp[j] = Math.min(dp[j], dp[j - coins[i]] + 1);
                }                          
            }
        }
        if (dp[amount] == Integer.MAX_VALUE) 
            return -1;
        return dp[amount];
    }