动态规划1：找零钱练问题

动态规划

很多实际的问题往往需要使用动态规划来解决，动态规划的题目很难，如果按照自己的想法去实现会非常复杂，不仅逻辑复杂而且时间复杂度很高，解决动态规划的问题往往是有套路的，即动态规划的问题题型都差不多，解决思路比较相似，因此有时候可以套用已有的阶梯思路来解决问题。对于动态规划题目，首先需要理解动态规划的含义是什么，动态规划的本质究竟是什么，然后掌握动态规划问题解决的思路、策略和方法，最后多做几个题目来灵活应用动态规划的套路解决实际的问题。

题目：有数组penny，penny中所有的值都为正数且不重复。每个值代表一种面值的货币，每种面值的货币可以使用任意张，再给定一个整数aim(小于等于1000)代表要找的钱数，求换钱有多少种方法。给定数组penny及它的大小(小于等于50)，同时给定一个整数aim，请返回有多少种方法可以凑成aim。

测试样例：[1,2,4],3,3  返回：2

思路：

方法一：暴力递归搜索

对于一个目标值aim，使用若干个给定的整数来拼凑出这个目标值aim，元素在数组penny[]中给定，每个元素可以使用0次，1次或者任意次，求出拼凑方案的数目有多少种。解决这个问题的思路显然是使用递归，不使用递归如果仅仅使用循环的话逻辑是非常复杂的，基本不可能解决，必须使用递归。即对数组的第一个元素的情况进行分情况枚举，假设目标值为10，零钱数组为[5,3,2]，则考虑5元使用0次时的方案有多少种res1，5元使用1次的方案有多少种res2，5元使用2次的方案有多少种res3，将这3个结果加起来就得到了结果总的方案数目。这样通过一次枚举其实就将问题剥去了一层，使得问题有所简化，在计算res1，res2，res3时，面对的问题和初始时相同，只是使用的参数条件发生了变化，例如求res2时，此时可以使用的零钱数组是[3,2]，目标值不再是10，而是aim-1*5=5,于是问题就是使用[3,2]来拼凑5，解决方法和之前是一样的，因此设计一个递归函数，输入一个目标值aim，和可以使用的零钱数组的范围index（表示小标为index及之后的元素），返回使用给定零钱可以拼凑出目标值的方案数目res。

递推关系：对penny[index]的使用的次数情况进行枚举，for(int i=0，penny[index]*i<=aim，i++)，对于每一个i都对应一个枚举的情况，在该枚举情况下可以重新调整参数，此时可以使用的零钱数组是penny中index+1开始及之后的数组部分，新的目标值是aim=(aim-penny[index]*i),于是调用递归方法dp(penny,index+1,aim-penny[index]*i)即可返回当前枚举条件下的方案数目，对每一种情况下的方案数目进行累加即可得到总的方案数目。

边界条件：这里关键是对于边界条件或者叫作初始条件的确定，每次递归方法返回的都是使用数组元素arr[]拼凑得到aim的方案数目，那么到底怎么计算拼凑的方案数目呢？其实需要理解，使用递归时，问题不断展开，即相当于枚举出了使用penny[]数组元素各种组合情况，此时需要判断是否满足拼凑的要求，即怎样算是拼凑成功了，怎样算是拼凑没有成功，显然在某种枚举情况下，当aim值变成0时说明拼凑成功，否则拼凑不成功；并且由于前面的若干个元素的组成总是要保证和<=aim，因此最终的填坑的工作总是要交给最后一个元素来进行，即通过递归，使用前面的元素[5,3]可以组合成的各种价值已经都被列举完了，次时就要看最后一个元素2是否能在for(int i=0，penny[index]*i<=aim，i++)的枚举过程中使得总和达到aim值，如果恰好达到则算作一个方案，否则不能算作方案。因此边界条件是当index>penny.length-1时，判断aim是否等于0。理解：不管前面的元素如何组合（各种组合方案通过递归已经展现出来了），要想形成一个完整的方案（5使用x次，3使用y次，2使用z次），必须确定最后一个元素使用了多少次，因此必须对最后一个元素使用的次数进行枚举，每一次枚举的过程相同，枚举的同时判断剩余的目标值是否为0，如果为0表示当前的递归形成1个拼凑方案参与计数，否则不形成方案不参与计数。于是递归的边界条件就是当index==length时判断aim==0是否成立，若成立+1，否则+0；

import java.util.*;
//找零钱问题：方法一：使用暴力递归搜索，注意边界条件的确定
public class Exchange {
    public int countWays(int[] penny, int n, int aim) {
        //特殊输入
        if(penny==null||penny.length<=0||aim<=0) return 0;
        //调用递归方法解决问题
        return this.process(penny,0,aim);
    }
//递归方法：输入一个零钱数组部分和目标值，返回拼凑的方案数目
    private int process(int[] penny,int index,int aim){
        int res=0;
//边界条件：初始条件,递归的边界条件满足后要立即返回，所谓边界条件是指能够使得方法return的条件
        if(index==penny.length){
            res=aim==0?1:0;
            return res;
        }
        
        //对第一个元素的出现次数进行枚举
        for(int i=0;i*penny[index]<=aim;i++){
            res+=this.process(penny,index+1,aim-penny[index]*i);
        }
        return res;
    }
}

方法二：记忆搜索

在实际面试的题目中，对于动态规划的问题，必然可以使用暴力搜索、记忆搜索的方法来解决，实际上所谓的动态规划就是在暴力搜索、记忆搜索的基础之上通过优化而得到的一种解题套路。

暴力搜索方法--记忆搜索方法—动态规划方法—状态继续化简后的动态规划方法

虽然动态规划的问题千奇百怪，但是它的解题思路和策略以及进行优化的轨迹是高度一致的，可以按照套路来进行。对于一个复杂的问题，使用暴力搜索方法通常是容易的，要将其改进为动态规划并进一步进行状态化简就比较麻烦（要向降低时间复杂度总是会使得编程难度增