动态规划——硬币找零问题(java)

 

如果要求一个问题的最优解（通常是最大值或者最小值），而且该问题能够分解成若干个子问题，并且小问题之间也存在重叠的子问题，则考虑采用动态规划。

使用动态规划特征： 
1. 求一个问题的最优解 
2. 大问题可以分解为子问题，子问题还有重叠的更小的子问题 ,即整体问题最优解取决于子问题的最优解（状态转移方程） 。
3. 从上往下分析问题，从下往上解决问题 
4. 讨论底层的边界问题

 

例1：硬币问题

我们有面值为1元3元5元的硬币各无数枚，如何用最少的硬币凑够21(这个值可以随意指定)元？ 

分析： 
1. 求问题的最优解：最小的硬币数 
2. 是否有子问题：假设f(n)表示凑够n元的最少硬币数。则显然，f(n)=min(f(n-1),f(n-3),f(n-5)) + 1;
3. 确定最小问题的解。 
f(1)=1, f(2)=2,  f(3)=1,f(4)=2,  f(5)=1 
4 从上往下分析问题，从下往上解决问题。

代码：

package dataStructureAndAlgorithms;


public class DaymicPrograming_findMinCoinNumber {
	
	//从下往上的方法
	public static int find(int n){
		if(n<=5)
		{
			if(n == 1 || n==3 || n==5)
			{
				return 1;
			}
			else {
				return 2;
			}
		}
		
		int[] minNumber = new int[n+1];
		minNumber[1] = minNumber[3] = minNumber[5] = 1;
		minNumber[2] = minNumber[4] = 2;
 
		for(int i=6;i<=n;i++){
			minNumber[i] =  min(minNumber[i-1],minNumber[i-3],minNumber[i-5]) + 1; 
		}
		
		return minNumber[n];
	}
	
	public static int min(int a, int b, int c){
		return a<b?(a<c?a:c):(b<c?b:c);
	}
	
	
	public static void main(String[] args) {
		for(int i=1;i<=30;i++){
			System.out.println("数额：" + i + " 最少硬币数:" + find(i));
		}
	}
}

结果：

数额：1 最少硬币数:1
数额：2 最少硬币数:2
数额：3 最少硬币数:1
数额：4 最少硬币数:2
数额：5 最少硬币数:1
数额：6 最少硬币数:2
数额：7 最少硬币数:3
数额：8 最少硬币数:2
数额：9 最少硬币数:3
数额：10 最少硬币数:2
数额：11 最少硬币数:3
数额：12 最少硬币数:4
数额：13 最少硬币数:3
数额：14 最少硬币数:4
数额：15 最少硬币数:3
数额：16 最少硬币数:4
数额：17 最少硬币数:5
数额：18 最少硬币数:4
数额：19 最少硬币数:5
数额：20 最少硬币数:4
数额：21 最少硬币数:5
数额：22 最少硬币数:6
数额：23 最少硬币数:5
数额：24 最少硬币数:6
数额：25 最少硬币数:5
数额：26 最少硬币数:6
数额：27 最少硬币数:7
数额：28 最少硬币数:6
数额：29 最少硬币数:7
数额：30 最少硬币数:6