leetcode518. 零钱兑换 II，完全背包组合问题

518. 零钱兑换 II

给你一个整数数组 coins 表示不同面额的硬币，另给一个整数 amount 表示总金额。

请你计算并返回可以凑成总金额的硬币组合数。如果任何硬币组合都无法凑出总金额，返回 0 。

假设每一种面额的硬币有无限个。

题目数据保证结果符合 32 位带符号整数。

示例 1：
输入：amount = 5, coins = [1, 2, 5]
输出：4
解释：有四种方式可以凑成总金额：
5=5
5=2+2+1
5=2+1+1+1
5=1+1+1+1+1

示例 2：
输入：amount = 3, coins = [2]
输出：0
解释：只用面额 2 的硬币不能凑成总金额 3 。

示例 3：
输入：amount = 10, coins = [10]
输出：1

提示：
1 <= coins.length <= 300
1 <= coins[i] <= 5000
coins 中的所有值 互不相同
0 <= amount <= 5000

题目描述

给定一组货币面额和一个总金额，计算可以凑出该总金额的硬币组合数。如果没有任何一种组合可以凑出该金额，则返回 0。

算法分析

这个问题可以通过动态规划来解决。我们创建一个数组 dp，其中 dp[j] 表示凑出金额 j 的组合数。我们遍历所有可能的硬币组合，并更新 dp 数组。

算法步骤

1. 初始化一个数组 dp，其大小为 amount + 1，所有元素初始化为 0，除了 dp[0] 初始化为 1。
2. 遍历所有可能的硬币组合。
3. 对于每个硬币 coins[i]，更新 dp[j] 为 dp[j] + dp[j - coins[i]]，其中 j 是当前考虑的金额。
4. 最后，返回 dp[amount]。

算法流程

具体代码

//dp[j]+=dp[j-coins[i]]

class Solution {
public:
    int change(int amount, vector<int>& coins) {
     vector<int> dp(amount+1,0);
     dp[0]=1;
     for(int i=0;i<coins.size();i++)
     {
        for(int j=coins[i];j<=amount;j++)
        {
            dp[j]+=dp[j-coins[i]];

        }
     }
     return dp[amount];
    }
};

算法分析

复杂度分析

• 时间复杂度：O(amount * coins.size())，其中 amount 是总金额，coins.size() 是硬币种类的数量。
• 空间复杂度：O(amount)，我们需要一个数组来存储每个金额的组合数。

易错点

• 在初始化 dp 数组时，确保所有元素都被正确初始化。
• 在更新 dp 数组时，确保正确地计算组合数。
• 在返回结果时，确保正确地返回 dp[amount]。

注意事项

• 确保在遍历硬币组合时不要超出数组的边界。
• 在处理数组时，确保不会覆盖任何元素。

相似题目

题目	链接
零钱兑换	https://leetcode.com/problems/coin-change/
最大子序和	https://leetcode.com/problems/maximum-subarray/
最长递增子序列	https://leetcode.com/problems/longest-increasing-subsequence/
最小路径和	https://leetcode.com/problems/minimum-path-sum/

背包问题模板

首先是背包分类的模板：
1、0/1背包：外循环nums,内循环target,target倒序且target>=nums[i];
2、完全背包：外循环nums,内循环target,target正序且target>=nums[i];
3、组合背包(考虑顺序)：外循环target,内循环nums,target正序且target>=nums[i];
4、分组背包：这个比较特殊，需要三重循环：外循环背包bags,内部两层循环根据题目的要求转化为1,2,3三种背包类型的模板

然后是问题分类的模板：
1、最值问题: dp[i] = max/min(dp[i], dp[i-nums]+1)或dp[i] = max/min(dp[i], dp[i-num]+nums);
2、存在问题(bool)：dp[i]=dp[i]||dp[i-num];
3、组合问题：dp[i]+=dp[i-num];