思路:首先我们看到每种硬币无限多就应该想到完全背包问题。
当看到题目是给定一些「物品」,让我们从中进行选择,以达到「最大价值」或者「特定价值」时,我们应该联想到「背包问题」。再根据题目中的每种硬币可以被选择无限次,我们就可以套用[完全背包]的推导公式进行调整 (我在这使用的是一维滚动数组)。
(1).首先我们先定义一个dp数组以及确定他的含义:dp[j]:凑成金额为j所需硬币的最少个数
(2).确定递推公式:凑成金额为j-coins[i]的最少个数是dp[j-coins[i]],然后再加上一个硬币coins[i]就能够凑成金额j。 所以dp[j]=dp[j-coins[i]]+1。
递推公式为:dp[j]=min(dp[j-coins[i]]+1,dp[j])
(3).初始化dp数组:
凑成金额为0的个数为0,所以dp[0]=0;其他位置直接设置为INT_MAX,防止在取最小值的时候被初始值覆盖。
(4).代码和dp数组如下:
class Solution {
public:
int coinChange(vector<int>& coins, int amount) {
int m = coins.size();
vector<int> dp(amount + 1, INT_MAX);
dp[0] = 0;
for (int i = 0; i < m; i++)
{
for (int j = coins[i]; j <= amount; j++)
{
//如果dp[j-coins[i]]为初始值INT_MAX则代表不可以凑成金额j,直接跳过。
if(dp[j-coins[i]]!=INT_MAX)
dp[j]=min(dp[j-coins[i]]+1,dp[j]);
}
}
if(dp[amount]==INT_MAX) return -1;
return dp[amount];
}
};
(5).时间复杂度分析:O(mn)。m为硬币的个数,n为amount的值。
(6).空间复杂度分析:O(n)。需要开辟一个长度为n的空间。