问题描述
现有面值为 c 1 , c 2 , . . . , c m c_1,c_2,...,c_m c1,c2,...,cm元的m种硬币,求支付n元时所需硬币的最少枚数。各面值的硬币可重复使用任意次。
输入:
n
n
n
m
m
m
c
1
c_1
c1
c
2
c_2
c2 …
c
m
c_m
cm
第1行输入整数n和整数m,用1个空格隔开。第2行输入各硬币的面值,相邻面值间用1个空格隔开。
输出:
输出所需硬币的最少枚数,占1行。
限制:
1 ≤ n ≤ 50000
1 ≤ m ≤ 20
1 ≤ 面值 ≤ 10000
各面值均不相同,其中必包含1。
输入示例
15 6
1 2 7 8 12 50
输出示例
2
讲解
假设硬币面值为1、5、10、50、100、500元,当我们需要支付n元时,只要从面值最大的开始减起,就可以求出最少的枚数了。这种选取当前最优解的算法被称为贪心法。
但是在一般的硬币问题中,某些特殊的面值组合无法用贪心法得到正确解。例当前可用面值为1、2、7、8、12、50,而我们需要支付15元,此时贪心法得到的答案是12、2、1总共3枚,但最优解却是8、7共2枚。
这个问题可以通过动态规划法来求解。首先准备以下变量:
C[m]:一维数组,C[i]表示第 i 种硬币的面值
T[m][n+1]:二维数组,T[i][j]表示使用第0至第 i 种硬币支付 j 元时的最少硬币枚数。
i 表示将第0到第 i 种硬币纳入考量,我们逐渐增加各个 i 的需支付金额 j,一步步更新T[i][j]。T[i][j]只有“使用第 i 种硬币”和“不使用第 i 种硬币”两种情况,因此只需对这两种情况下使用的硬币数进行比较,选取其中较小的即可。用下述递归式求解T[i][j]:
T [ i ] [ j ] = m i n ( T [ i − 1 ] [ j ] , T [ i ] [ j − C [ i ] ] + 1 ) T[i][j]=min(T[i-1][j],T[i][j-C[i]]+1) T[i][j]=min(T[i−1][j],T[i][j−C[i]]+1)
如果不使用第 i 种硬币,则此处的解就是前面支付j元时的最优解T[i-1][j]。如果使用第 i 种硬币,则此处的解为支付 j - C[i]元时的最优解再加1。
我们没有必要给每一种面值都记录最优枚数,因此支付 j 元时的最少枚数可以作为一维数组元素T[j],由下面的式子求得:
T [ j ] = m i n ( T [ j ] , T [ j − C [ i ] ] + 1 ) T[j]=min(T[j],T[j-C[i]]+1) T[j]=min(T[j],T[j−C[i]]+1)
用动态规划法求解硬币问题的算法如下,复杂度为 O ( n m ) O(nm) O(nm)。
用动态规划求解硬币问题:
getTheNumberOfCoin()
for j = 0 to n
T[j] = INF
T[0] = 0
for i = 0 to m
for j = C[i] to n
T[j] = min(T[j], T[j - C[i]] + 1)
return T[n]
AC代码如下
#include<iostream>
#include<algorithm>
using namespace std;
static const int MMAX = 20;
static const int NMAX = 50000;
static const int INFTY = (1<<29);
int main(){
int n, m;
int C[21];
int T[NMAX + 1];
cin>>n>>m;
for(int i = 1; i <= m; i++) {
cin>>C[i];
}
for(int i = 0; i <= NMAX; i++) T[i] = INFTY;
T[0] = 0;
for(int i = 1; i <= m; i++) {
for(int j = 0; j + C[i] <= n; j++) {
T[j + C[i]] = min(T[j + C[i]], T[j] + 1);
}
}
cout<<T[n]<<endl;
return 0;
}