题目
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
提示:
1 <= coins.length <= 12
1 <= coins[i] <= 231 - 1
0 <= amount <= 104
思路及代码
看完题解之后,这不完全平方数的姐妹么?真就稍微画了个妆就不认识了?
看完题目第一反应是回溯法,先把钱币从大到小排序,然后第一个满足条件的就可以直接返回不要再继续判断了。写完之后好家伙,超时了。
class Solution:
def coinChange(self, coins: List[int], amount: int) -> int:
coins.sort(reverse = True)
path = []
n = len(coins)
ans = -1
def backtrack(coins):
nonlocal ans
if ans != -1:
return
if sum(path) > amount:
return
if sum(path) == amount:
ans = len(path)
return ans
for i in range(n):
path.append(coins[i])
backtrack(coins)
path.pop()
backtrack(coins)
return ans
这里面回溯法有个点我不太清楚,就是回溯函数里面的变量申明,global和nonlocal。
global是在函数里面申明变量,这样就可以在该函数里使用(或改变)全局变量;而nonlocal虽然也是在函数内申明这个变量,但是使用外层变量,通常用在嵌套函数中。
回到这题中,正确方法是动态规划。其实也就是一个完全背包问题。
dp[j]表示的是组成j元所需要的最少硬币数量。
dp[j] = min(dp[j], dp[j - coins[i]]+1),这个转台转移方程如何理解呢?就是dp[j]只能由dp[j - coins[i]]得到,也就是dp[j - coins[i]]加上一个值为coins[i] 的硬币。因为取最小值,所以初始dp数组元素设为较大值,且dp[0] = 0。
遍历顺序外层硬币(物品),内层值(容量)。
联想到完全平方数,完全平方数是组成一个目标数的最少的平方数的个数,转移方程是dp[i] = min(dp[i],dp[i-j*j]+1)。外层是物品,内层是容量。
class Solution:
def coinChange(self, coins: List[int], amount: int) -> int:
dp = [amount+1] * (amount+1)
dp[0] = 0
for i in range(len(coins)):
for j in range(coins[i],amount+1):
dp[j] = min(dp[j],dp[j-coins[i]]+1)
return -1 if dp[-1]== amount+1 else dp[-1]