322. 零钱兑换 ●●
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。
示例
输入:coins = [1, 2, 5], amount = 11
输出:3
解释:11 = 5 + 5 + 1
输入:coins = [2], amount = 3
输出:-1
题解
1. 动态规划 (完全背包)
- dp[j]:当有 i 个硬币可选时,凑足总额为 j 所需钱币的最少个数为dp[j];
dp[j] = min(dp[j - coins[i]] + 1, dp[j]);
(遍历到 coins[i] 时,若dp[j - coins[i]]存在,则考虑取或不取coins[i],取则dp[j - coins[i]] + 1,不取则dp[j])- dp[ 0 ] = 0; dp[ j ] = INT_MAX;
- 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。
class Solution {
public:
int coinChange(vector<int>& coins, int amount) {
vector<int> dp(amount+1, INT_MAX);
dp[0] = 0;
for(int i = 0; i < coins.size(); ++i){
for(int j = coins[i]; j <= amount; ++j){
// 当dp[j- coins[i]]不存在时,直接跳过;
if(dp[j- coins[i]] < INT_MAX) dp[j] = min(dp[j], dp[j - coins[i]] + 1); // 取 或 不取 coins[i]
}
}
return dp[amount] == INT_MAX? -1 : dp[amount];
}
};
2.记忆化搜索
为了避免重复的计算,我们将每个子问题的答案存在一个数组中进行记忆化,如果下次还要计算这个问题的值直接从数组中取出返回即可,这样能保证每个子问题最多只被计算一次。
- 时间复杂度:O(Sn),其中 S 是金额,n 是面额数。我们一共需要计算 S 个状态的答案,且每个状态 F(S) 由于上面的记忆化的措施只计算了一次,而计算一个状态的答案需要枚举 n 个面额值,所以一共需要 O(Sn) 的时间复杂度。
- 空间复杂度:O(S),我们需要额外开一个长为 S 的数组来存储计算出来的答案 F(S) 。
class Solution {
public:
int backtrack(vector<int>& coins, int amount, vector<int> &dp) {
if(amount == 0) return 0;
if(amount < 0) return -1;
if(dp[amount]) return dp[amount]; // 存在则直接返回
int Min = INT_MAX; // 计算dp[amount]
for(int num : coins){
int count = backtrack(coins, amount - num, dp); // 隐式回溯dp[amount-num]
if(count >= 0 && count < Min){
Min = count + 1; // 取num,加上dp[amount - num]
}
}
dp[amount] = Min == INT_MAX ? -1 : Min;
return dp[amount]; // 和为amount的最少硬币个数
}
int coinChange(vector<int>& coins, int amount) {
vector<int> dp(amount+1, 0); // 记忆化搜索数组
return backtrack(coins, amount, dp);
}
};