Leecode332：零钱兑换

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/