力扣之换零钱

给你一个整数数组 coins ，表示不同面额的硬币；以及一个整数 amount ，表示总金额。
计算并返回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

分析：本题力扣标注的标签是中等题，不过也确实是中等程度相关的题，题中给定一个整数，让你从一堆数字中凑这个整数？？？？熟悉吗？这不就是给你一个背包，让你从一堆石头里装满这个背包吗？背包问题！！！并且本题石头无数个，则是完全背包，我们就可以直接背出背包问题的模板代码：

int Test(int[] coins, int amount){
    //1、先声明dp数组，dp[i]表示当背包重量为i时所盛放的最少石头数量
    int[] dp = new int[amount+1];

    // 3、、初始化赋值
    dp[0] = 0;
    // 因为我们会比较来求得最小值，所以dp中初始化用最大值初始化，这样在后面求每一个的最小值才不会受到影响
    for(: :){
        dp[i] = Integer.MAX_VALUE;
    }
    
    // 4、、循环逻辑  按照普通的逻辑即可，外层物品，内层背包
    for(int i = 0; i < coins.length; i++){
        for(int j = coins[i], j <= amount; j++){
            //2、递推关系式推导
            dp[j] = Math.max(dp[j], dp[j-coins[i]] + 1);
        }
    }
    return dp[amount] == Integer.MAX_VALUE ? -1 : dp[amount];
}

根据上面这个基本模板和4步走，我们可以很顺利的写出如下代码：

class Solution {

    public int coinChange(int[] coins, int amount) {
        
        // 这是一道背包问题
        int[] dp = new int[amount+1];
        dp[0] = 0;

        for(int i = 1; i <= amount; i++){
            dp[i] = Integer.MAX_VALUE;
        }
        for(int i = 0; i < coins.length; i++){
            for(int j = coins[i]; j <= amount; j++){
                
                if(dp[j-coins[i]] != Integer.MAX_VALUE){
                    dp[j] = Math.min(dp[j], dp[j-coins[i]] + 1);
                }
                
            }
        }
        int res = 0;

         return dp[amount] == Integer.MAX_VALUE ? -1 : dp[amount];

    }

}