零钱兑换-动态规划vs暴力递归

最新推荐文章于 2024-10-10 19:09:00 发布

ellieokokok

最新推荐文章于 2024-10-10 19:09:00 发布

阅读量886

点赞数 2

分类专栏： leetcode 文章标签： leetcode

本文链接：https://blog.csdn.net/qq_26327971/article/details/104870517

版权

博客探讨了零钱兑换问题的解决方案，对比了暴力递归和动态规划两种方法。暴力递归虽然直观，但时间复杂度高，为O(k * n^k)。动态规划则通过状态转移方程降低时间复杂度，从基础案例开始计算，避免重复子问题，提高了效率。文章强调在使用动态规划时需明确状态、选择、基础案例和状态转移方程，并提供了填充dp数组的注意事项。

摘要由CSDN通过智能技术生成

文章目录

- - 暴力递归
  - 动态规划
  - 总结
  - 注

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。

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

说明:
你可以认为每种硬币的数量是无限的。

暴力递归

dp 函数的定义：当前的目标金额是 n，至少需要 dp(n) 个硬币凑出该金额。
dp(n)
= 0, n=0
=-1, n<0
= min{dp(n-coin) +1| coin属于coins}, n>0

时间复杂度分析：⼦问题总数 x 每个⼦问题的时间。
⼦问题总数为递归树节点个数，这个⽐较难看出来，是 O(n^k)，总之是指数级别的。每个⼦问题中含有⼀个 for 循环，复杂度为 O(k)。所以总时间复杂度为 O(k * n^k)，指数级别

class Solution {
    public int coinChange(int[] coins, int amount) {
        return dp(coins, amount);
    }
    public int dp(int[] coins, int n){
        if(n==0) return 0;
        if(n< 0) return -1;

        //res记录 选择硬币的方案中 较小的值   
        int res= Integer.MA