题目描述
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。
解题思路
判断金额凑不出的小技巧:先初始化DP table各个元素为amount + 1(代表不可能存在的情况),在遍历时如果金额凑不出则不更新,于是若最后结果仍然是amount + 1,则表示金额凑不出
然后确定 dp 函数的定义:当前的⽬标⾦额是 n ,⾄少需要 dp(n) 个硬币凑出该⾦额。
class Solution {
public:
int coinChange(vector<int>& coins, int amount) {
vector<int> dp(amount+1, amount+1); // 明确状态,定义dp数组
dp[0] = 0; // base case,
for (int i = 1; i < amount + 1; i++) {
for (auto coin : coins) { // 每一步可能有以下选择(明确选择),内层for循环在求所有子问题+1的最小值
if (i < coin) { // 如果币面值coin大于总额i,则凑不成,子问题无解,跳过
continue;
}
dp[i] = min(dp[i], dp[i - coin] + 1);
}
}
return (dp[amount] == amount + 1) ? -1 : dp[amount]; // 如果没有任何一种硬币组合能组成总金额,返回 -1
}
};
⼦问题总数为递归树节点个数,这个⽐较难看出来,是 O(n^k),总之是指
数级别的。每个⼦问题中含有⼀个 for 循环,复杂度为 O(k)。所以总时间复
杂度为 O(k * n^k),指数级别。
为什么将 dp 数组的所有元素都初始化为 amount + 1:
vector dp(amount + 1, amount + 1); 这是由于 dp[amount] 最大不可能超过 amount(最小面值为 1 元),所以 amount + 1 就是一个无意义的数了。
(因为凑成 amount ⾦额的硬币数最多只可能等于 amount (全⽤ 1 元⾯值的硬币),所以初始化为amount + 1 就相当于初始化为正⽆穷,便于后续取最⼩值。)
为什么函数返回的时候判断的是 dp[amount] > amount 而不是 dp[amount] == amount + 1 呢?
return dp[amount] > amount ? -1 : dp[amount]; 这里显然是可以用 dp[amount] == amount + 1 来判断的,因为我们在计算 dp 数组的每个元素时,都用到了 min 函数,也就是说哪怕有一个元素是大于 amount + 1 的最终都会被最小化为 amount + 1,所以这里使用 dp[amount] > amount 还是 dp[amount] == amount + 1 没有区别。
解法二:完全背包
/*
有一个背包,最大容量为 amount,有一系列物品 coins,
每个物品的重量为 coins[i],每个物品的数量无限。请问
最少用多少个物品,能够把背包恰好装满?
*/
class Solution {
public:
int coinChange(vector<int>& coins, int amount)
{
// dp[i][j] 的定义如下:若只使用前 i 个物品(可以重复使用),
// 当背包容量为 j 时,最少有 dp[i][j] 硬币数量可以装满背包。
int N = coins.size();
vector<vector<int> > dp(N + 1, vector<int> (amount + 1));
// base case
for (int i = 0; i < N + 1; i++) {
dp[i][0] = 0; // 目标金额为0时, 凑出它的最少硬币数量为0
}
// 当无硬币时,无法凑出任意>0的目标金额,即是无效解。为使状态转移方程中的min()函数能够识别并过滤无效解,我们考虑使用 无穷大来表示它们,即令首行所有都等于
for (int j = 0; j < amount + 1; j++) {
dp[0][j] = amount + 1;
}
// 遍历物品个数
for (int i = 1; i < N + 1; i++) {
// 遍历背包重量
for (int w = 1; w < amount + 1; w++) {
if (w < coins[i - 1]) { // 背包容量小于第I个物品重量, 必然不使用第I个物品
dp[i][w] = dp[i - 1][w];
} else {
// 背包容量大于第I个物品重量,可装可不装
dp[i][w] = min(dp[i - 1][w], // 不使用第I个物品
dp[i][w - coins[i - 1]] + 1); // 装进去, 还可以用第I个物品
}
}
}
return dp[N][amount] != amount + 1 ? dp[N][amount] : -1;
}
};
动态规划的演变过程
// https://leetcode.cn/problems/coin-change/
// 递归解法
// 多叉树遍历/递归解法
class Solution {
public:
// 目标金额amount时,返回需要最少的硬币个数
int coinChange(vector<int>& coins, int amount) {
if (amount == 0) {
return 0;
}
int ans = INT_MAX;
// 多叉树遍历
for (auto coin : coins) {
// 金额不可达
if (amount - coin < 0) {
continue;
}
int subProb = coinChange(coins, amount - coin);
// 子问题无解
if (subProb == -1) {
continue;
}
ans = min(ans, subProb + 1);
}
return (ans == INT_MAX) ? -1 : ans;
}
};
// 带备忘录的递归解法
// 方法三:带备忘录的解法:自顶向下
class Solution {
public:
// 目标金额amount时,返回需要最少的硬币个数
int coinChange(vector<int>& coins, int amount)
{
vector<int> memo(amount + 1, -2);
return helper(coins, amount, memo);
}
int helper(vector<int>& coins, int amount, vector<int>& memo)
{
if (amount == 0) {
return 0;
}
if (memo[amount] != -2) {
return memo[amount];
}
int ans = INT_MAX;
for (auto coin : coins) {
if (amount - coin < 0) {
continue;
}
int subProb = helper(coins, amount - coin, memo);
// 子问题无解
if (subProb == -1) {
continue;
}
ans = min(ans, subProb + 1);
}
// 记录本轮结果
memo[amount] = (ans == INT_MAX) ? -1 : ans;
return memo[amount];
}
};
LeetCode518. 零钱兑换 II
https://labuladong.online/algo/dynamic-programming/knapsack3/#%E8%A7%A3%E9%A2%98%E6%80%9D%E8%B7%AF
class Solution {
public:
// 注意:cpp 代码由 chatGPT\U0001f916 根据我的 java 代码翻译,旨在帮助不同背景的读者理解算法逻辑。
// 本代码不保证正确性,仅供参考。如有疑惑,可以参照我写的 java 代码对比查看。
int change(int amount, vector<int>& coins) {
int n = coins.size();
// dp[i][j]:若只使用 coins 中的前 i 个(i 从 1 开始计数)硬币的面值,若想凑出金额 j,有 dp[i][j] 种凑法。
vector<vector<int>> dp(n + 1, vector<int>(amount + 1));
// base case:目标金额为0,什么都不做就是一种凑法。
// 若一个物品都没,则肯定凑不出目标金额dp[0][j] = 0;
for (int i = 0; i <= n; i++)
dp[i][0] = 1;
for (int i = 1; i <= n; i++) {
for (int j = 1; j <= amount; j++)
if (j < coins[i-1]) // 背包容量小于当前的选择,只能不装
dp[i][j] = dp[i - 1][j];
else { // 背包容量大于当前的选择,可装可不装
dp[i][j] = dp[i - 1][j] + // 不装
dp[i][j - coins[i-1]]; // 当前物品装进背包
}
}
return dp[n][amount];
}
};
参考
https://leetcode-cn.com/problems/coin-change/solution/322-ling-qian-dui-huan-by-leetcode-solution/