做今天每日一题之前,先回顾以下零钱兑换1的解答:
代码–322零钱兑换
class Solution {
public int coinChange(int[] coins, int amount) {
int [] dp = new int[amount+1];
Arrays.fill(dp, amount+1);
dp[0]=0;
for (int i=1;i<=amount;i++){
for (int j=0;j<coins.length;j++){
if (coins[j] <= i)
dp[i] = Math.min(dp[i], dp[i-coins[j]]+1);
}
}
return dp[amount] > amount? -1 : dp[amount];
}
}
思路–518零钱兑换||
因为322零钱兑换求的是符合条件的最少硬币数,而本题求的是所有满足条件的可能性。因为设计到多种情况需要分析,所以还是使用动态规划求解。
首先我们需要找到状态转移方程:
通过对示例一进行分析可以发现:
若想在动态规划在不重复计算相同的项,需要规定coins数组中的元素只能在索引值小于它的元素的右边。为了达到此效果,可以对coins数组进行遍历,则状态转移方程为:
d
p
[
i
]
=
d
p
[
i
]
+
d
p
[
i
−
c
o
i
n
s
[
j
]
]
dp[i] = dp[i] + dp[i-coins[j]]
dp[i]=dp[i]+dp[i−coins[j]]
其中i
表示背包的容量
。因为当容量为0
时,只有哪个都不选
这一种选择,所以边界条件dp[0]=1
因此得到如下代码:
算法步骤为:
- 先使用coins中第一个元素尝试组成所有可能的情况,可以组成则为1,不能为0;
- 然后开始使用第二个元素,尝试是否可以使用前两个元素组成满足条件的金额,然后依次遍历coins中的所有元素。
代码–518零钱兑换||
class Solution {
public int change(int amount, int[] coins) {
int[] dp = new int[amount+1];
dp[0] = 1;
for (int c : coins)
{
for (int i=c;i<=amount;i++)
dp[i] += dp[i-c];
}
return dp[amount];
}
}