leetcode322.零钱兑换

一.题目描述

给你一个整数数组 coins ，表示不同面额的硬币；以及一个整数 amount ，表示总金额。

计算并返回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 。

你可以认为每种硬币的数量是无限的。

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
示例 3：

输入：coins = [1], amount = 0
输出：0
示例 4：

输入：coins = [1], amount = 1
输出：1
示例 5：

输入：coins = [1], amount = 2
输出：2

提示：

1 <= coins.length <= 12
1 <= coins[i] <= 231 - 1
0 <= amount <= 104

二.题目解析

1.递归（存在大量重复计算，超时）

 int[] memo1;
    public int coinChange1(int[] coins, int amount) {
        /*递归
         时间复杂度2^n级别,空间复杂度O(amount)
        * */
        if(coins.length == 0){
            return -1;
        }
        return findMinAmount1(coins,amount);
    }

    private int findMinAmount1(int[] coins, int amount) {
        /*返回总金额为amount时需要的最小金额个数(填满容量为amount的背包最少需要多少硬币)
         * */
        //递归出口
        if(amount < 0){
            return -1;
        }
        if(amount == 0){
            return 0;
        }
        //初始设置为一个不可能取到的值
        int min = amount + 1;
        for (int i = 0; i < coins.length; i++) {
            //假设取coins[i]这枚硬币，计算剩余金额能否被硬币组合填满
            int res = findMinAmount1(coins,amount - coins[i]);
            //如果存在硬币组合可填满容量为amount - coins[i]的背包，说明当前方案可取
            if(res != -1) {
                //+1是因为先取的coins[i]对应的这枚硬币
                min = Math.min(min, res + 1);
            }
        }
        //考虑for循环内没有任何可取的方案，此时min值不变，表示始终无法填满容量为amount的背包
        return min == amount + 1 ? -1 : min;
    }

2.记忆化递归

int[] memo;
    public int coinChange(int[] coins, int amount) {
        /*记忆化递归
         时间复杂度O(n*amount),空间复杂度O(amount)
        * */
        if(coins.length == 0){
            return -1;
        }
        //memo数组全都初始化为0
        memo = new int[amount + 1];
        return findMinAmount(coins,amount);
    }

    private int findMinAmount(int[] coins, int amount) {
        /*返回总金额为amount时需要的最小金额个数(填满容量为amount的背包最少需要多少硬币)
        * */
        //递归出口
        if(amount < 0){
            return -1;
        }
        if(amount == 0){
            return 0;
        }
        //如果memo[amount]!=0,说明之前递归已被计算过，已被赋予新值
        if(memo[amount] != 0){
            return memo[amount];
        }
        //初始设置为一个不可能取到的值
        int min = amount + 1;
        for (int i = 0; i < coins.length; i++) {
            //假设取coins[i]这枚硬币，计算剩余金额能否被硬币组合填满
            int res = findMinAmount(coins,amount - coins[i]);
            //如果存在硬币组合可填满容量为amount - coins[i]的背包，说明当前方案可取
            if(res != -1) {
                //+1是因为先取的coins[i]对应的这枚硬币
                min = Math.min(min, res + 1);
            }
        }
        //考虑for循环内没有任何可取的方案，此时min值不变，表示始终无法填满容量为amount的背包
        memo[amount] = min == amount + 1 ? -1 : min;
        return memo[amount];
    }

3.动态规划

public int coinChange2(int[] coins, int amount) {
        /*动态规划--其实是背包问题
        状态：dp[i]表示总金额为i时需要的最小金额个数(填满容量为j的背包最少需要多少硬币)
        状态转移方程：i > coins[j]且dp[i-coins[j]] != -1时，dp[i] = dp[i - coins[j]] + 1;
        时间复杂度O(n*amount),空间复杂度O(amount)
        * */
        if(coins == null || coins.length == 0 || amount == 0){
            return 0;
        }
        int[] dp = new int[amount + 1];
        //dp[i]都初始化为amount+1，一个不可能取到的值，相当于无穷大
        Arrays.fill(dp,amount + 1);
        //初始化金额为0时，需要0个硬币
        dp[0] = 0;
        for (int i = 1; i <= amount; i++) {
            for (int j = 0; j < coins.length; j++) {
                //状态转移方程
                if(i >= coins[j] && dp[i - coins[j]] != -1){
                    //dp[i]在多种面值组合中取最小值
                    //如coins=[1,3,4,5],amount=7,最小金额是2(3+4)而不是3(5+1+1)
                    dp[i] = Math.min(dp[i - coins[j]] + 1,dp[i]);
                }
            }
            dp[i] = dp[i] == amount + 1 ? -1 : dp[i];
        }
        return dp[amount];
    }