动态规划 | 硬币问题 | Coin Changing Problem | C/C++实现

问题描述

现有面值为$c_1,c_2,...,c_m$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：
$n$ $m$
$c_1$ $c_2$ … $c_m$
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]：

$T[i][j]=min(T[i-1][j],T[i][j-C[i]]+1)$

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：

$T[j]=min(T[j],T[j-C[i]]+1)$

用动态规划法求解硬币问题的算法如下，复杂度为$O(nm)$。

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;
}