1.2.2-凑零钱问题(暴力递归+动态规划)

Reference

LeetCode 322. 零钱兑换
labuladong的算法小抄
Markdown语法

---

Labuladong的算法小抄(纸质书籍 2021年1月第1版，2022年1月第七次印刷 第2章，第1节)

---

此问题解法和上一个斐波那契数列问题解法，我都会详细介绍解法原理，再后续动态规划算法原理和此相同，我只会解释题目解决方案窍门(即找到“状态”、“选择”和状态转移方程)，不会再详细解释其他相关知识

动态规划一般解法

暴力穷举 -> 带备忘录的递归解法 -> dp 数组的迭代解法。
找到“状态”和“选择”->明确dp数组/函数的定义->寻找状态之间的关系。

难点

• dp数组的含义
• 寻找正确的状态转移方程(数学归纳法)

---

代码解释详见 Labuladong的算法小抄 书箱(2022年1月第七次印刷) pp.37-42

  先看下题⽬：给你 k 种⾯值的硬币，⾯值分别为 c1, c2 … ck，每种硬币的数量⽆限，再给⼀个总⾦额 amount ，问你最少需要⼏枚硬币凑出这个⾦额，如果不可能凑出，算法返回 -1。
算法的函数签名如下：

  ⽐如说k=3，⾯值分别为1，2，5，总⾦额amount=11。那么最少需要3枚硬币凑出，即11=5+5+1。
  你认为计算机应该如何解决这个问题？显然，就是把所有肯能的凑硬币⽅法都穷举出来，然后找找看最少需要多少枚硬币。
  ⾸先，这个问题是动态规划问题，因为它具有「最优⼦结构」的。要符合「最优⼦结构」，⼦问题间必须互相独⽴。啥叫相互独⽴？你肯定不想看数学证明，我⽤⼀个直观的例⼦来讲解。
  ⽐如说，你的原问题是考出最⾼的总成绩，那么你的⼦问题就是要把语⽂考到最⾼，数学考到最⾼……为了每门课考到最⾼，你要把每门课相应的选择题分数拿到最⾼，填空题分数拿到最⾼……当然，最终就是你每门课都是满分，这就是最⾼的总成绩。
  得到了正确的结果：最⾼的总成绩就是总分。因为这个过程符合最优⼦结构，“每门科⽬考到最⾼”这些⼦问题是互相独⽴，互不⼲扰的。
  但是，如果加⼀个条件：你的语⽂成绩和数学成绩会互相制约，此消彼⻓。这样的话，显然你能考到的最⾼总成绩就达不到总分了，按刚才那个思路就会得到错误的结果。因为⼦问题并不独⽴，语⽂数学成绩⽆法同时最优，所以最优⼦结构被破坏。
  回到凑零钱问题，为什么说它符合最优⼦结构呢？⽐如你想求amount=11时的最少硬币数（原问题），如果你知道凑出amount=10的最少硬币数（⼦问题），你只需要把⼦问题的答案加⼀（再选⼀枚⾯值为1的硬币）就是原问题的答案，因为硬币的数量是没有限制的，⼦问题之间没有相互制，是互相独⽴的。
  那么，既然知道了这是个动态规划问题，就要思考如何列出正确的状态转移⽅程？
  先确定「状态」，也就是原问题和⼦问题中变化的变量。由于硬币数量⽆限，所以唯⼀的状态就是⽬标⾦额amount。
  然后确定 dp 函数的定义：当前的⽬标⾦额是 n ，⾄少需要dp(n)个硬币凑出该⾦额。
  然后确定「选择」并择优，也就是对于每个状态，可以做出什么选择改变当前状态。具体到这个问题，⽆论当的⽬标⾦额是多少，选择就是从⾯额列表coins 中选择⼀个硬币，然后⽬标⾦额就会减少：
  最后明确 base case，显然⽬标⾦额为 0 时，所需硬币数量为 0；当⽬标⾦额⼩于 0 时，⽆解，返回 -1：

方法1：暴力递归 (存在大量的重叠子问题)

递归问题最好都画出递归树，方法理解算法和计算时间空间复杂度
递归算法的时间复杂度：用子问题个数乘以解决一个子问题需要的时间。
  ⾄此，状态转移⽅程其实已经完成了，以上算法已经是暴⼒解法了，以上代码的数学形式就是状态转移⽅程：

def func():
	coins = list(map(int,input().strip().split()))
	N = int(input()