leetcode322. 零钱兑换python-动态规划篇

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]