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];
}