算法笔试题:1元,5元,10元,20元,50元、100元面值人民币组合给定x元的问题

最近有一道笔试题引起了小伙伴们的激烈讨论。

参考博客

作为算法菜鸟非常感谢大神的分析和举例。博客地址

问题描述

目前市面上的纸币主要有1元,5元,10元,20元,50元、100元六种,如果要买一件商品x元,有多少种货币组成方式?  

思路一

现有6种面额的纸币用来组合成给定的x元金额。那么可以大致推出这个等式
sum 表示给定的金额
{x1, x2, x3, x4, x5, x6}分别表示1元,5元,10元,20元,50元、100元的张数

s u m = x 1 ∗ 1 + x 2 ∗ 5 + x 3 ∗ 10 + x 4 ∗ 20 + x 5 ∗ 50 + x 6 ∗ 100 sum = x1 * 1 + x2 * 5 + x3 * 10 + x4 * 20 + x5 * 50 + x6 * 100 sum=x11+x25+x310+x420+x550+x6100

如此看来其实就是求解满足这个等式的 {x1, x2, x3, x4, x5, x6} 的所有可能的个数。
可以通过循环来依次确定每种面额的纸币有多少张,最终来判断,不同张数的组合最终是否等于x元。
于是有了如下代码:

public class Demo1 {

    /**
     * @param x 商品金额
     */
    public static void test1(int x){
        int sum = 0;
        //符合条件的组合次数
        int count = 0;
        //循环次数
        int times = 0;
        //硬币面额
        int[] a = {1, 5, 10, 20, 50, 100};

        for (int i = 0; i <= x / a[5]; i++) {
            //100元可能出现的张数
            for (int j = 0; j <= x / a[4]; j++) {
                //50元可能出现的张数
                for (int k = 0; k <= x / a[3]; k++) {
                    //20元可能出现的张数
                    for (int l = 0; l <= x / a[2]; l++) {
                        //10元可能出现的张数
                        for (int m = 0; m <= x / a[1]; m++) {
                            //5元可能出现的张数
                            //for(int n=0;n<x/1;n++){//这步循环可省略
                            int n = x - (i * a[5] + j * a[4] + k * a[3] + l * a[2] + m * a[1]);
                            sum = i * a[5] + j * a[4] + k * a[3] + l * a[2] + m * a[1] + n * a[0];
                            times++;
                            if (sum == x && n >= 0) {
                                count++;
                            }
                            //}
                        }
                    }
                }
            }
        }
        System.out.println("循环次数:" + times);
        System.out.println("组合数:" + count);
    }

    public static void main(String[] args) {
        long startTime = System.currentTimeMillis();
        //指定200元的金额
        test1(200);
        long endTime = System.currentTimeMillis();
        System.out.println("执行时间:" + (endTime - startTime) + "ms");
    }

}

执行结果如下:

循环次数:142065
组合数:3274
执行时间:13ms
结果分析

这种解决方式虽然可以得到正确的结果,但是计算量很大,循环次数随着指定的金额增大会越来越高。性能也就非常差,基本上数字超过1000,就是无脑循环了。所以这并不是最优解。

思路二

从上面的分析中我们也可以这么考虑,我们希望用m种纸币构成sum元。

s u m = x 1 ∗ V 1 + x 2 ∗ V 2 + . . . + x m ∗ V m sum = x1 * V1 + x2 * V2 + ... + xm * Vm sum=x1V1+x2V2+...+xmVm

根据最后一个面额Vm的系数的取值为无非有这么几种情况,xm分别取{0, 1, 2, …, sum/Vm},换句话说,上面分析中的等式和下面的几个等式的联合是等价的。
s u m = x 1 ∗ V 1 + x 2 ∗ V 2 + . . . + 0 ∗ V m sum = x1 * V1 + x2 * V2 + ... + 0 * Vm sum=x1V1+x2V2+...+0Vm

s u m = x 1 ∗ V 1 + x 2 ∗ V 2 + . . . + 1 ∗ V m sum = x1 * V1 + x2 * V2 + ... + 1 * Vm sum=x1V1+x2V2+...+1Vm

s u m = x 1 ∗ V 1 + x 2 ∗ V 2 + . . . + 2 ∗ V m sum = x1 * V1 + x2 * V2 + ... + 2 * Vm sum=x1V1+x2V2+...+2Vm

. . . ... ...

s u m = x 1 ∗ V 1 + x 2 ∗ V 2 + . . . + K ∗ V m sum = x1 * V1 + x2 * V2 + ... + K * Vm sum=x1V1+x2V2+...+KVm
其中K是该xm能取的最大数值K = sum / Vm。可是这又有什么用呢?不要急,我们先进行如下变量的定义:

dp[i][sum] = 用前i种硬币构成sum 的所有组合数。

那么题目的问题实际上就是求dp[m][sum],即用前m种纸币(所有纸币)构成sum的所有组合数。

在上面的联合等式中:

  • 当xm=0时,有多少种组合呢?
    实际上就是前i-1种纸币组合sum,有dp[i-1][sum]种!

  • xm = 1 时呢,有多少种组合?
    实际上是用前i-1种纸币组合成(sum - Vm)的组合数,有dp[i-1][sum -Vm]种;

  • xm =2呢, dp[i-1][sum - 2 * Vm]种,等等。

所有的这些情况加起来就是我们的dp[i][sum]。所以:

d p [ i ] [ s u m ] = d p [ i − 1 ] [ s u m − 0 ∗ V m ] + d p [ i − 1 ] [ s u m − 1 ∗ V m ] + d p [ i − 1 ] [ s u m − 2 ∗ V m ] + . . . + d p [ i − 1 ] [ s u m − K ∗ V m ] ; dp[i][sum] = dp[i-1][sum - 0*Vm] + dp[i-1][sum - 1*Vm] + dp[i-1][sum - 2*Vm] + ... + dp[i-1][sum - K*Vm]; dp[i][sum]=dp[i1][sum0Vm]+dp[i1][sum1Vm]+dp[i1][sum2Vm]+...+dp[i1][sumKVm];

其中K = sum / Vm

换一种更抽象的数学描述就是:

d p [ i ] [ s u m ] = ∑ k = 0 s u m / v m d p [ i − 1 ] [ s u m − K ∗ V m ] dp[i][sum] = \sum_{k=0}^{sum/vm} dp[i-1][sum - K*Vm] dp[i][sum]=k=0sum/vmdp[i1][sumKVm]

通过此公式,我们可以看到问题被一步步缩小,那么初始情况是什么呢?如果sum=0,那么无论有前多少种来组合0,只有一种可能,就是各个系数都等于0;

dp[i][0] = 1 // i = 0, 1, 2, … , m

如果我们用二位数组表示dp[i][sum], 我们发现第i行的值全部依赖与i-1行的值,所以我们可以逐行求解该数组。如果前0种纸币要组成sum,我们规定为dp[0][sum] = 0.

第二种代码实现方式

public class Demo1 {

    /**
     * @param x 商品金额
     */
    public static void test2(int n){
        //纸币面额
        int money[]={1,5,10,20,50,100};
        int dp[] = new int[n+1];
        dp[0] = 1;
        for(int i = 0;i < 6;++i){
            for(int j = money[i];j <= n;++j){
                dp[j] =(dp[j]+dp[j-money[i]]);
            }
        }
        System.out.println(dp[n]);
    }
    public static void main(String[] args) {
        long startTime = System.currentTimeMillis();
        //指定200元的金额
        test2(200);
        long endTime = System.currentTimeMillis();
        System.out.println("执行时间:" + (endTime - startTime) + "ms");
    }

}


执行结果如下

3274
执行时间:0ms

分析

这种思路属于算法中的动态规划。也是动态规划的经典题目。很明显,大大优化了思路一的性能问题。

  • 20
    点赞
  • 48
    收藏
    觉得还不错? 一键收藏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值