萌新记录~多多指教 😃
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/coin-change
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
本题思路参照了博主labuladong的题解,讲解非常详细!
题目描述
给定不同面额的硬币
c
o
i
n
s
coins
coins和一个总金额
a
m
o
u
n
t
amount
amount。
编写一个函数来计算可以凑成总金额所需的最少的硬币个数。
如果没有任何一种硬币组合能组成总金额,返回
−
1
-1
−1。
示例 1:
输入: coins = [1, 2, 5], amount = 11
输出: 3
解释: 11 = 5 + 5 + 1
示例 2:
输入: coins = [2], amount = 3
输出: -1
说明:
你可以认为每种硬币的数量是无限的。
思路:
这个问题是一个动态规划的问题。因为它具有最优子结构
。
基本思想就是把所有能凑硬币的方法都穷举出来,然后再找最少需要多少枚硬币。
针对动态规划的问题,最重要的就是写出正确的状态转移方程
。
- 首先,确定
状态
。也就是原问题和每个子问题中变化的量。在本题中,由于硬币的数量无限,因此唯一的状态就是目标金额 a m o u n t amount amount。 - 然后确定
dp 函数
的定义。当前的目标金额是 n n n,至少需要 d p ( n ) dp(n) dp(n) 个硬币可以凑出该金额。 - 然后确定
选择
,并择优
。这里的选择 就是从 面额列表 c o i n s coins coins中选择一个硬币,相应的目标金额就会减少。 - 最后明确
base case
: 显然当目标金额为 0 0 0,所需的硬币数量也是 0 0 0。因此, d p [ 0 ] = 0 dp[0]=0 dp[0]=0。且当目标金额小于 0 0 0时,返回 − 1 -1 −1。
我们采用自底向上的方式进行思考。定义dp(i) 为组成金额 i 所需的最少的硬币数量。
假设在计算
d
p
(
i
)
dp(i)
dp(i)之前我们已经计算了
d
p
(
0
)
dp(0)
dp(0) ~
d
p
(
i
−
1
)
dp(i-1)
dp(i−1) 的值。
那么
d
p
(
i
)
dp(i)
dp(i)对应的转移方程就为
d
p
(
i
)
=
min
j
=
0
,
.
.
.
,
n
−
1
d
p
(
i
−
c
o
i
n
s
j
)
+
1
dp(i)=\min\limits _{j=0,...,n-1} dp(i-coins_{j}) + 1
dp(i)=j=0,...,n−1mindp(i−coinsj)+1
其中
c
j
c_j
cj 代表的是第
j
j
j 枚硬币的面值,即我们枚举最后一枚硬币的面额是
c
j
c_j
cj 那么需要从
i
−
c
j
i-c_j
i−cj 这个金额的状态
d
p
(
i
−
c
j
)
dp(i-c_j)
dp(i−cj) 转移过来,再算上枚举这枚硬币数量
1
1
1 的贡献。
由于需要硬币数量最少,所以
d
p
(
i
)
dp(i)
dp(i) 为前面转移过来的状态的最小值加上枚举的硬币数量
1
1
1。
例如:
coins = [1, 2, 3], amount = 6
参考代码
class Solution {
public:
int coinChange(vector<int>& coins, int amount) {
vector <int> dp(amount + 1,amount + 1);//因为凑成 amount 金额的硬币数最多只可能等于 amount(全用 1 元面值的硬币),所以初始化为 amount + 1 就相当于初始化为正无穷,便于后续取最小值。
dp[0] = 0;
for(int i = 1; i <= amount; i++)
{
for(int j = 0; j < (int)coins.size(); j++)
{
if(coins[j] <= i)
dp[i] = min(dp[i], dp[i-coins[j]] + 1);
}
}
return dp[amount] > amount ? -1 : dp[amount];
}
};