每日一题 LeetCode

作者：LeetCode-Solution
链接：https://leetcode-cn.com/problems/coin-lcci/solution/ying-bi-by-leetcode-solution/

硬币

题目描述

给定数量不限的硬币，币值为25分、10分、5分和1分，编写代码计算n分有几种表示法。(结果可能会很大，你需要将结果模上1000000007)

题解

方法一：数学分析

复杂度分析：
时间复杂度： 这里只使用了一重循环，循环的次数为 $\lfloor \frac{n}{25}\rfloor$，所以渐进时间复杂度为 $O(\lfloor \frac{n}{25}\rfloor )=O(n)$。
空间复杂度： 没有使用辅助数组，只用了常数个临时变量（与问题规模 n 无关），故渐进空间复杂度为 $O(1)$。

方法二：动态规划

其实这个问题是两个非常经典的问题的组合，其一是 「完全背包问题」，其二是 「背包方案数问题」，如果读者感兴趣的话可以自行阅读《背包九讲》。

复杂度分析
时间复杂度： 上文分析过，方程化简之后的渐进时间复杂度为 $O(4\times (n+1))=O(n)$。
空间复杂度： 使用滚动数组思想优化后，只需要使用一个长度为 $n+1$ 的一维数组，故渐进空间复杂度为 $O(n)$。

代码

class Solution {
public:
    int waysToChange(int n) {
        /*
        //方法一：数学分析：枚举25分硬币，然后等差数列求和
        int ans = 0;
        for(int i = 0; i * 25 <= n; ++i){
            int rest = n - i * 25;
            int a = rest / 10;
            int b = rest % 10 / 5;
            ans = (ans + (long long)(a + 1) * (a + b + 1) % mod) % mod;//确保不会溢出
        }
        return ans;
        */

        //方法二：动态规划--完全背包问题 + 背包方案数问题
        vector<int> f(n+1);
        f[0] = 1;
        // 注意这里的循环嵌套次序不可颠倒！
        for(int c = 0; c < 4; ++c){
            int coin = coins[c];
            for(int i = coin; i <= n; ++i){
                f[i] = (f[i] + f[i-coin]) % mod;
            }
        }
        return f[n];
    }
private:
    //1000000007 是最小的十位质数。模 1000000007 ，可以保证值永远在int的范围内。
    static constexpr int mod = 1000000007;
    //constexpr variables are not compile-time values 在编译时初始化
    static constexpr int coins[4] = {25, 10, 5, 1};
};

小结

背包问题
泛指以下这一种问题：
给定一组有固定价值和固定重量的物品，以及一个已知最大承重量的背包，求在不超过背包最大承重量的前提下，能放进背包里面的物品的最大总价值。
这一类问题是典型的使用动态规划解决的问题，我们可以把背包问题分成3种不同的子问题：0-1背包问题、完全背包和多重背包问题。

动态规划
初始状态和状态转移方程