递归与动态规划---换钱的最少货币数（每种货币只有一张）

【题目】

　　给定一个数组arr，arr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，每种面值的货币只有一张，再给定一个整数aim代表要找的钱数，求组成aim的最少货币数。

【基本思路】

　　生成行数为N、列数为aim+1的dp矩阵，dp[i][j]的含义是在可以任意使用arr[0…i]货币的情况下，组成j所需的最小张数，矩阵的每一行和每一列可以先确定，其他的位置dp[i][j] = min(dp[i-1][j], dp[i-1][j-arr[i]]+1)，接下来解释dp[i][j]的值怎么确定：　　

1. 矩阵的第一行表示只使用货币arr[0]的情况下，可以组成的钱数，当然只有钱数等于arr[0]时才成立，所以把该位置设置为1，其余部分设置为32位整数的最大值（为什么是32位整数的最大值？ 因为题目求的是换钱的最少货币数，所以找不开的情况下要设置的尽可能大）

2. 矩阵的第一列表示找的钱数为0的情况下需要的最小张数，货币为0是完全不需要任何货币，所以全部设置为0

3. 矩阵的其他位置来自以下两种情况：1）不使用arr[i]货币的情况组成钱数j的张数，也就是dp[i-1][j]。2）使用arr[i]的情况下，因为只有1张arr[i]货币，所以我们在可以任意使用arr[0…i-1]来组成钱数为j-arr[i]的情况下 + 1即可，也就是dp[i-1][j-arr[i]]+1。选择两种情况的最小值即可，另外在计算dp[i-1][j-arr[i]]+1时应当注意j-arr[i]的越界问题。

   下面是使用python3.5实现的代码

#python3.5
#经典动态规划实现
def minCoins3(arr, aim):
    if arr == None or len(arr) == 0 or aim < 0:
        return -1
    row = len(arr)
    dp = [[sys.maxsize for i in range(aim+1)] for j in range(len(arr))]
    for i in range(len(arr)):
        dp[i][0] = 0
    if arr[0] <= aim:
        dp[0][arr[0]] = 1
    for i in range(1, len(arr)):
        for j in range(1, aim+1):
            leftUp = sys.maxsize
            if j-arr[i] >= 0 and dp[i-1][j-arr[i]] != sys.maxsize:
                leftUp = dp[i-1][j-arr[i]] + 1
            dp[i][j] = min(leftUp, dp[i-1][j])
    return dp[row-1][aim] if dp[row-1][aim] != sys.maxsize else -1

#经过空间压缩的动态规划
def minCoins4(arr, aim):
    if arr == None or len(arr) == 0 or aim < 0:
        return -1
    row = len(arr)
    dp = [sys.maxsize for i in range(aim+1)]
    dp[0] = 0
    if arr[0] <= aim:
        dp[arr[0]] = 1
    for i in range(1, row):
        for j in range(1, aim+1):
            leftUp = sys.maxsize
            if j-arr[i] >= 0 and dp[j-arr[i]] != sys.maxsize:
                leftUp = dp[j-arr[i]] + 1
            dp[j] = min(leftUp, dp[j])
    return dp[aim] if dp[aim] != sys.maxsize else -1