动态规划：最少硬币找零问题详解

最新推荐文章于 2025-09-08 10:20:23 发布

原创最新推荐文章于 2025-09-08 10:20:23 发布 · 910 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#动态规划 #算法

~~文章摘要~~

本文介绍了使用动态规划解决硬币找零问题的方法。给定不同面额的硬币和总金额，目标是找到使用最少硬币的组合。通过建立dp数组记录每个金额的最优解，初始化dp[0]=0，其余为无穷大。递推过程中，对每种金额尝试所有硬币面额，更新最优解。若最终解大于总金额，说明无解返回-1。C#实现展示了具体代码，时间复杂度为O(amount*硬币种数)。文章还提到可扩展输出具体硬币组合或转换为0/1背包问题。

一、问题描述

给定若干种面额的硬币，每种面额可用无限次，要求用最少硬币组合，凑出指定金额N。如果无法凑出，则返回-1。

例如：

硬币面额：[1, 2, 5]
金额：11
答案：3（5+5+1）

二、建模分析

输入：面额数组 coins[]，整数金额 amount
输出：凑成金额 amount 最少需要几枚硬币

本质：

完全背包、最少个数、无序组合
用dp数组记录每个金额的最优解

三、动态规划思路

dp[i] = 凑成金额i最少需要多少硬币
初值：dp[0]=0, 其它dp[i]=无穷大
递推：对于每种硬币，尝试“用一次”，即dp[i]=min( dp[i], dp[i-coin]+1 ) （如果i>=coin）

四、C#实现及逐行解释

using System;

class Solution {
    public int CoinChange(int[] coins, int amount) {
        // 1. 初始化dp数组，dp[i]是金额i最少硬币数
        int[] dp = new int[amount + 1];
        for (int i = 1; i <= amount; i++)
            dp[i] = amount + 1; // 用amount+1视为无穷大（不可能的极大值）

        dp[0] = 0; // 金额0不需要硬币

        // 2. 状态转移
        for (int i = 1; i <= amount; i++) {           // 对每种金额
            foreach (int coin in coins) {              // 枚举每一种硬币
                if (i >= coin) {                       // 只有能用（金额够）
                    dp[i] = Math.Min(dp[i], dp[i - coin] + 1); // 用一次coin，看是否更优
                }
            }
        }

        // 3. 判断是否可达
        if (dp[amount] > amount)
            return -1; // 无法找零
        else
            return dp[amount]; // 找零的最优硬币数
    }
}

逐行解释

int[] dp = new int[amount + 1];

创建dp数组，dp[i]存凑i元最优硬币数

for (int i = 1; i <= amount; i++)
    dp[i] = amount + 1;

初始化除0外所有金额为最大值

dp[0] = 0;

金额为0时不需要硬币

for (int i = 1; i <= amount; i++) {
    foreach (int coin in coins) {
        if (i >= coin) {
            dp[i] = Math.Min(dp[i], dp[i - coin] + 1);
        }
    }
}

对每个金额i，枚举所有面额，如果金额够，就看上一步再加1是否更优（最少硬币）

if (dp[amount] > amount)
    return -1;
else
    return dp[amount];

金额amount大于最大可能硬币数，说明无解，否则返回最优解

使用举例

int[] coins = {1, 2, 5};
int amount = 11;
var sol = new Solution();
Console.WriteLine(sol.CoinChange(coins, amount)); // 输出3

时间复杂度

O(amount * 硬币种数)
空间复杂度 O(amount)

五、拓展

若要输出实际硬币组合，可增parent数组反向回溯
若硬币数量有限，是0/1背包问题

我们以本句为核心，逐步剖析后二重循环中的动态规划原理和具体执行流程。
重点讲解下面关键部分：

for (int i = 1; i <= amount; i++) {
    foreach (int coin in coins) {
        if (i >= coin) {
            dp[i] = Math.Min(dp[i], dp[i - coin] + 1);
        }
    }
}

1. 外循环：金额i

for (int i = 1; i <= amount; i++) {
    ...
}

作用：

从1元到目标金额amount，每个金额都求“最少硬币数”
逐步填表dp，低金额的最优方案可为高金额复用

2. 内循环：枚举所有硬币

foreach (int coin in coins) {
    ...
}

作用：

针对每个金额i，尝试所有可用的硬币面额coin
问“能不能用1枚coin凑i？”

3. 判定与转移：“剩余金额能凑吗？”

if (i >= coin) {
    dp[i] = Math.Min(dp[i], dp[i - coin] + 1);
}

只考虑i比coin大（即当前金额至少大于某一面额），否则无法使用此硬币。
假设此刻你手上有i元，要选择用不用户coin，若用一枚coin，则还剩i-coin元。
**dp[i-coin]**：这部分已知“最优解”，就是“如何用最少硬币凑齐i-coin（比i小的某个金额）”；已在之前循环完成。

再加1：

若现在用一枚coin，那么总硬币数就是“凑i-coin最少方案+1枚”

再与现有最优解比较，取更小者：

dp[i] = Math.Min(dp[i], dp[i - coin] + 1);
可能你以前用面额a和b拼出来“巧”，现在用coin凑出来的方案更优，要及时替换。

4. 形象流程举例

以例子：coins=[1,2,5], amount=7

我们跟踪 i=4 时的状态

coins = [1,2,5]
目标：填dp[4]

内循环：

coin=1:
- i-coin = 3，dp[3] 若已算好（已知3元时最少硬币数，比如dp[3]=2）
- 如果用1元，则需要：dp[3]+1=3
- dp[4]=min(当前dp[4]（初值为无穷），3)=3
coin=2:
- i-coin=2，dp[2]=1
- 用一枚2元，则dp[2]+1=2
- dp[4]=min(3,2)=2
coin=5:
- 4<5，不满足if语句，不执行

最后

dp[4]=2

也就是7种情况下用2元+2元，凑出4元只需2枚硬币。

5. 为什么是“最优子结构”？

每个金额i，在已经知道所有比i小的金额（i-coin）dp值后，用子问题最小解+1再组合，这就是“最优子结构”
递推保证不会漏掉所有有效的组合

6. 手动画表（以coins=[1,2,5], amount=7为例）

i	0	1	2	3	4	5	6	7
dp[i]	0	1	1	2	2	1	2	2

例如填 dp[6] 时:

用 coin=1, dp[5]=1, 1+1=2
用 coin=2, dp[4]=2, 2+1=3
用 coin=5, dp[1]=1, 1+1=2
取最小，dp[6]=2

7. 伪代码小结

for (int i = 1; i <= amount; i++) {
    foreach (int coin in coins) {
        if (i >= coin) {
            dp[i] = Math.Min(dp[i], dp[i - coin] + 1);
        }
    }
}