动态规划解题思路

动态规划

一直以来都没有好好的了解动态规划问题，因为现在很多的笔试题中都会涉及动态规划的问题，所以通过学习动态规划来记录一下学习的笔记。

例题：

换硬币问题：

给出不同面额的硬币以及一个总金额. 写一个方法来计算给出的总金额可以换取的最少的硬币数量. 如果已有硬币的任意组合均无法与总金额面额相等, 那么返回 -1.

样例

输入：

[2, 5, 7]
27

输出：

 5

解释：

27 = 7 + 5 + 5 + 5 + 5

动态规划题目的特点

动态规划的解题步骤

1. 确定状态：

• 最后一步
  
  关键点1

  我们不关心前面的k-1枚硬币是怎么拼出27-ak的（可能有1种拼法，也可能有100种拼法），而且我们也不知道k和ak，但是我们知道前面拼出了27-ak。

  关键点2

  因为是最优策略，所以拼出的27-ak也是最少的，否则就不是最优策略。

• 子问题
  通过对原问题的拆分，将原来的问题转换成了一个子问题，而且规模更小：27-ak。
  未来简化定义，我们可以设状态f(x)=最少用多少枚硬币拼出x

  因为需求的是最少的硬币，所以可以得出：
  f(27)=min{f(27-2)+1,f(27-5)+1,f(27-7)+1}

2. 转移方程
一般界动态规划都需要开一个数组：
设状态f[x]=最少用多少枚硬币拼出x；
对于任意的x：
f[27]=min{f[27-2]+1,f[27-5]+1,f[27-7]+1}

3. 初始条件和边界情况

对于初始条件：当使用转移方程计算不出来的时候，需要我们手动定义一个初始状态，例如f[0]=0，如果使用转移方程计算，得出结果应该是正无穷，然而f[0]是可以使用0枚硬币拼出来的，所以，应该有我们初始化指定。

4. 计算顺序
   
   代码：

public class Solution {
    /**
     * @param coins: a list of integer
     * @param amount: a total amount of money amount
     * @return: the fewest number of coins that you need to make up
     */
    public int coinChange(int[] coins, int amount) {
        // write your code here
        //开辟一个数组，大小为amount+1
        int[] f=new int[amount+1];
        //初始化
        f[0]=0;
        //计算顺序，从f[1],f[2].......f[27]
        for(int i=1;i<=amount;i++){
            //先将每个值设置为一个最大值，方便后面计算最少的方法
            f[i]=Integer.MAX_VALUE;
            //遍历所有硬币面额，使用转移方程计算
            for(int j=0;j<coins.length;j++){
                //边界条件(数组越界和当前一个不能够拼出)
                if(i>=coins[j] && f[i-coins[j]]!=Integer.MAX_VALUE){
                    //转移方程
                    f[i]=Math.min(f[i-coins[j]]+1,f[i]);   
                }
            }
        }
        //没有满足条件，直接返回-1
        if(f[amount]==Integer.MAX_VALUE){
            return -1;
        }
        //返回f[27]
        return f[amount];
    }
}

学习笔记来源于九章算法动态规划的视频。