[leetCode]322. 零钱兑换

题目

链接：https://leetcode-cn.com/problems/coin-change

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。

你可以认为每种硬币的数量是无限的。

示例 1：

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

动态规化

此题相当于完全背包问题，与01背包问题的不同在于，完全背包问题中的物品可以无限取，而01背包问题每个问题只能取一次或者不取。通过零一背包的状态转移方程可以推导出完全背包的状态转移方程:
$$f(i,j)=max(f(i-1,j),f(i,j-v[i])+w[i])$$

背包问题需要注意题目问的是恰好放满背包还是，背包可以不放满，如果是恰好则初始化条件只能初始化$f(0...N,0)为0,f(0,1...V)为无解(+infinity或者-Infinity根据题目求最大还是最小初始化)$；如果不要求背包被刚好放满则初始化条件为$f(0...N,0)=0,f(0,1...V)=0$

此题属于背包恰好放满的情况，下面是二维dp的代码

class Solution {
    public int coinChange(int[] coins, int amount) {
        // 物品的数量， 背包的大小为amount，
        //此题要求物品能恰好放满背包，所有只有dp[0][0] 为 1
        int N = coins.length;
        int[][] dp = new int[N + 1][amount + 1];
        Arrays.fill(dp[0],Integer.MAX_VALUE - 1);
        dp[0][0] = 0;
        for (int i = 1; i <= N; i++) {
            for (int j = 0; j <= amount; j++) {
                dp[i][j] = dp[i-1][j];
                if (j >= coins[i-1]) {
                    dp[i][j] = Math.min(dp[i][j], dp[i][j - coins[i-1]] + 1);
                }
            }
        }
        return dp[N][amount] == Integer.MAX_VALUE - 1 ? -1 : dp[N][amount];
    }
}

可以对上面的二维dp进行空间优化改为1维dp，改进后可以发现完全背包只需要将 0-1 背包的逆序遍历 dp 数组改为正序遍历即可。

class Solution {
    public int coinChange(int[] coins, int amount) {
        // 物品的数量， 背包的大小为amount，
        //此题要求物品能恰好放满背包，所有只有dp[0][0] 为 1
        int N = coins.length;
        int[] dp = new int[amount + 1];
        Arrays.fill(dp,Integer.MAX_VALUE - 1);
        dp[0] = 0;
        for (int i = 1; i <= N; i++) {
            for (int j = coins[i-1]; j <= amount; j++) {
                dp[j] = Math.min(dp[j], dp[j - coins[i-1]] + 1);
            }
        }
        return dp[amount] == Integer.MAX_VALUE - 1 ? -1 : dp[amount];
    }
}