java最少钱币数_最少钱币数（凑硬币）详解-2-动态规划算法（初窥）-CCF-CSP练习题（100）...

目录

这篇使用动态规划算法来解决这个问题，借这篇博客初窥动态规划算法。最少钱币数问题也可以看作多重背包问题。

那么什么是动态规划算法？

动态规划(dynamic programming，DP)是运筹学的一个分支，是求解决策过程(decision process)最优化的数学方法。20世纪50年代初美国数学家R.E.Bellman等人在研究多阶段决策过程(multistep decision process)的优化问题时，提出了著名的最优化原理(principle of optimality)，把多阶段过程转化为一系列单阶段问题，利用各阶段之间的关系，逐个求解，创立了解决这类过程优化问题的新方法——动态规划。1957年出版了他的名著《Dynamic Programming》，这是该领域的第一本著作。(思想也有点像分布式处理)

———From Baidupedia

那么我们如何去描述它？

动态规划算法通常基于一个递推公式及一个或多个初始状态。 当前子问题的解将由上一次子问题的解推出。使用动态规划来解题只需要多项式时间复杂度， 因此它比回溯法、暴力法等要快许多。

概念讲完，开始做题。

题目：

最少钱币数

问题描述

这是一个古老而又经典的问题。用给定的几种钱币凑成某个钱数，一般而言有多种方式。例如：给定了 6 种钱币面值为 2、5、10、20、50、100，用来凑 15 元，可以用 5 个 2 元、1个 5 元，或者 3 个 5 元，或者 1 个 5 元、1个 10 元，等等。显然，最少需要 2 个钱币才能凑成 15 元。

你的任务就是，给定若干个互不相同的钱币面值，编程计算，最少需要多少个钱币才能凑成某个给出的钱数。

输入形式

输入可以有多个测试用例。每个测试用例的第一行是待凑的钱数值 M(1 <= M<= 2000，整数)，接着的一行中，第一个整数 K(1 <= K <= 10)表示币种个数，随后是 K个互不相同的钱币面值 Ki(1 <= Ki <= 1000)。输入 M=0 时结束。

输出形式

每个测试用例输出一行，即凑成钱数值 M 最少需要的钱币个数。如果凑钱失败，输出“Impossible”。你可以假设，每种待凑钱币的数量是无限多的。

样例输入

15

6 2 5 10 20 50 100

1

1 2

0

样例输出

2

Impossible

分析：

上一篇最少钱币数-1-贪心算法(错，或者叫有问题)-CCF-CSP练习题中使用的贪心算法解决的凑硬币问题，有些情况下是可以得出正解的，比如后一个钱币面值没有达到前一个钱币面值的2倍时；但对于某些情况来说得出的解是错误的。比如有3种面值分别为3元，5元，7元的