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];
}