【动态规划】零钱兑换问题-动态规划解题思路总结

今天大侠要讨论的题目是：【零钱兑换问题】
这是一道经典的动态规划问题. 此题目中，你将会看到动态规划全局最优解的体现。以及常见动态规划解题思路总结。

322. 零钱兑换

给定不同面额的硬币 coins 和一个总金额 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。

示例 1:

输入: coins = [1, 2, 5], amount = 11 输出: 3 解释: 11 = 5 + 5 + 1
来源：力扣

大侠借此题和大家说下动态规划 相比贪心算法的优势：

以上问题我们也可以用贪心算法（每次选择尽可能大的数值）来解释：

但是如果零钱集合是[1,5,7] 要配出的金额为10

则贪心算法会选择7和1,共需要4枚硬币
$$7x1+1x3=10$$
但是最优解是选择5， 共需要2枚硬币
$$5\ast 2=10$$

由此可见，使用动态规划考虑全局问题是非常有必要的。

解决动态规划问题 主要分为以下三步：

1. 目标（objection）
2. 定义状态（define status）
3. 转化方程（transform equation）

下面和大侠一起分析下这个问题吧！

---

目标 ：凑成总金额所需的最少的硬币个数
定义状态：M(j)表示凑成j金额 所需的最少的硬币个数
转化方程：

$$M[j+1]=\{\begin{array}{ll}min(M[j-coins[i]]+1)& j>=coins[i]\\ account+1& else\end{array}$$
以上公式的意思是，如果我当前要配出10 给出的硬币是1,5,7
由于 10 大于1,5,7 ，所以我有三种选择：
$$M(10)=min（M[10-1]+1,M[10-5]+1,M[10-7]+1）$$

---

下面讲下算法实现:
首先对于传入 参数的进行判断（boundary case）

1. 如果account<0 不合法
2. 如果coins为空 ，不合法
3. 如果coins中的最小值都大于account ，无法配出

接下来循环计算记忆数组

1. 初始化数组，并将m[0]=0 表示当account=0 时，不需要硬币
2. 根据公式 循环计算每一个m的值

tips:
由于无法确定coins中的元素是否都满足条件 coins[i]<j
所有要通过for循环来逐个比较，并通过min_c 记录最少硬币数，等遍历结束coins ，将min_c 的数据写入m列表。account+1 作为无法配出的标志位。

# # 零钱兑换.py
# # description : 使用不同面值的硬币配出给定的面值.求最少硬币个数.
def solution(account,coins):
	# Definition: coins=[1,5,7] account = 10
	#boundary case
	if account <=0 :
		return 0
	if len(coins)==0:
		return -1
	if min(coins)>account:
		return -1
	#init memory sequence
	m=[-1 for _ in range(account+1)]
	m[0]=0
	for j in range(1,account+1):
		min_c=account+1#定义无法配出的标志
		for c in coins:
			if c<=j:
				min_c =m[j-c] if m[j-c]<min_c else min_c
		m[j]=min_c +1 if min_c <account+1 else account+1
	if m[-1]==account+1:#表示无法配出
		return -1
	else:
		return m[-1]#M[-1]表示配出account所需要的最少硬币数。
print(solution(10,[1,5,7]))

---

有什么问题，欢迎留言讨论。如果有幸帮到你，欢迎点赞哦，摸摸哒！