【leetcode】 322.零钱兑换 （动态规划，背包，广度优先搜索等多种解法，java实现）

322. 零钱兑换

难度中等

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。

示例 1:

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

示例 2:

输入: coins = [2], amount = 3
输出: -1

说明:
你可以认为每种硬币的数量是无限的。

方法一：动态规划

思路：

• 看题目的问法，只问最优值是多少，没有要我们求最优解，一般情况下就是「动态规划」可以解决的问题；
• 最优子结构其实比较明显，根据示例 1：

输入: coins = [1, 2, 5], amount = 11

凑成面值为 11 的最小***数可以由以下 33 者的最小值得到：

1、凑成面值为 10 的最小***数 + 面值为 1 的这一枚***；

2、凑成面值为 9 的最小***数 + 面值为 2 的这一枚***；

3、凑成面值为 6 的最小***数 + 面值为 5 的这一枚***；

即 dp[11] = min (dp[10] + 1, dp[9] + 1, dp[6] + 1)。

• 可以直接把题目的问法设计成状态。

第 1 步：定义「状态」

dp[i]：凑齐总价值 i需要的最少***数，状态就是问的问题。

第 2 步：写出「状态转移方程」

根据对具体例子的分析：

 dp[amount] = min(1 + dp[amount - coin[i]]) for i in [0, len - 1] if coin[i] <= amount

注意的是：

1、首先***的面值首先要小于等于***当前要凑出来的面值；

2、剩余的那个面值应该要能够凑出来，例如：求 dp[11] 需要参考 dp[10] ，如果不能凑出来的话，dp[10] 应该等于一个不可能的值，可以设计为 11 + 1，也可以设计为 -1 ，它们的区别只是在具体的代码编写细节上不一样而已。

再强调一次：新状态的值要参考的值以前计算出来的「有效」状态值。这一点在编码的时候需要特别注意。

因此，不妨先假设凑不出来，因为比的是小，所以设置一个不可能的数。

参考代码 1：

• Java

import java.util.Arrays;

public class Solution {
   

    public int coinChange(int[] coins, int amount) {
   
        // 给 0 占位
        int[] dp = new int[amount + 1];

        // 注意：因为要比较的是最小值，这个不可能的值就得赋值成为一个最大值
        Arrays.fill(dp, amount + 1);

        dp[0] = 0;

        for (int i = 1; i <= amount; i++) {
   
            for (int coin : coins) {
   
                if (i - coin >= 0 && dp[i - coin] != amount + 1) {
   
                    dp