数据结构-动态规划之找零钱

美元的硬币面值为1美分、5美分、10美分和25美分。找零钱数为63美分，最少的方案时2个25，1个10，3个1一用6枚硬币。

可以使用贪婪法来找硬币，但是事实并非总是如此。

例如，如果硬币面值多了一个21的，很明显最少的方案是3个21美分的，而不是6个硬币，但，贪婪法无法解决此类问题。即贪婪法只能保证局部最优，不能保证全局最优。

考虑第一种方法，使用递归，计算所有可能组合的最小数目。

首先，最大的方案就是1来填补，但是这里利用的是将63划分为不同的两份，从（1，62）、（2，61）......（31，32），然后以此递归每个分量。这样的计算量堪比fib数列，效率是非常低的。

public static int getMinMoneyR(int[] cons,int money){
    int minCoin = money;
    for(int i=0;i<cons.length;i++){
        if(cons[i]==money)
            return 1;
    }
    for(int i=1;i<=money/2;i++){
        int thiscoin=getMinMoneyR(cons,i)+getMinMoneyR(cons,money-i);
        if(thiscoin<minCoin)minCoin=thiscoin;
    }
    return minCoin;
}

考虑第二种方法，使用动态规划。动态规划的实质是将结果进行保存，每次计算的时候查表，降低计算的复杂度。

public static int getMinMoney(int[] cons,int money){
    int mincoin=0;
    int[] consused = new int[money+1];
    //建表查表的过程,针对从1到money的所有可能的最小方案
    for(int i=1;i<=money;i++){
        mincoin=i;//设置成最大，假设全是1
        for(int j=0;j<cons.length;j++){
            if(cons[j]<=i){//当硬币面值小于等于i的时候，计算最小硬币数量
                //举例子，consused[0]=0,consused[1]=min{1,0+1}=1,consused[2]=min{min{2,1+1},0+1}=1
                mincoin=Math.min(mincoin,consused[i-cons[j]]+1);
            }
        }
        consused[i]=mincoin;
    }
    return consused[money];
}

时间复杂度是O(kn),其中k是硬币的个数，n是要找的零钱数。