动态规划解决零钱兑换
一、动态规划解题步骤
1、确定 base case,这个很简单,显然⽬标⾦额 amount 为 0 时算法返回 0,因为不需要任何硬币就已经凑
出⽬标⾦额了。
2、确定「状态」,也就是原问题和⼦问题中会变化的变量。由于硬币数量⽆限,硬币的⾯额也是题⽬给定的,只有⽬标⾦额会不断地向 base case 靠近,所以唯⼀的「状态」就是⽬标⾦额 amount。
3、确定「选择」,也就是导致「状态」产⽣变化的⾏为。⽬标⾦额为什么变化呢,因为你在选择硬币,你每选择⼀枚硬币,就相当于减少了⽬标⾦额。所以说所有硬币的⾯值,就是你的「选择」。
4、明确 dp 函数/数组的定义。我们这⾥讲的是⾃顶向下的解法,所以会有⼀个递归的 dp 函数,⼀般来说函数的参数就是状态转移中会变化的量,也就是上⾯说到的「状态;函数的返回值就是题⽬要求我们计算的量。就本题来说,状态只有⼀个,即「⽬标⾦额」,题⽬要求我们计算凑出⽬标⾦额所需的最少硬币数量。
所以我们可以这样定义 dp 函数:
dp(n) 的定义:输⼊⼀个⽬标⾦额 n,返回凑出⽬标⾦额 n 的最少硬币数量。
- 状态转移方程
二、代码
class Solution {
public int coinChange(int[] coins, int amount) {
int[] dp = new int[amount + 1];
// 数组⼤⼩为 amount + 1,初始值也为 amount + 1
Arrays.fill(dp, amount + 1);
// base case
dp[0] = 0;
// 外层 for 循环在遍历所有状态的所有取值
for (int i = 0; i < dp.length; i++) {
// 内层 for 循环在求所有选择的最⼩值
for (int coin : coins) {
// ⼦问题⽆解,跳过
if (i - coin < 0) {
continue;
}
dp[i] = Math.min(dp[i], 1 + dp[i - coin]);
}
}
return (dp[amount] == amount + 1) ? -1 : dp[amount];
}
}
- PS:为啥 dp 数组初始化为 amount + 1 呢,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。