给定不同面额的硬币 coins 和一个总金额 amount。编写一个函数来计算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
。
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
说明:
你可以认为每种硬币的数量是无限的。
题解:呃,第一想法是递归加回溯找到组合最小值,又来了,刚写的组合总和 Ⅳ的第一想法就是递归加回溯,不过结局比较惨,时间超限了。没有意外,本题在[1,2,5] 100这条数据就超时了,总共过了15条数据,呵呵,有时候思路正确并不一定能完美解题。好吧,还是动规登场,假设dp[i]为钱数为i时需要的最少硬币数,当i=0时,dp[0]=0,这个毫无疑问,当i>0时,直接说不好理解,那就举个实例,[1,2,3] 3 对这个例子来说,一种情况是只用1,数量是3,一种是用1和2,数量是2,最后是只用3,数量是1,那问题变成了,怎样使最终的结果为1,你可能说比较,好,谁和谁比较,呃。。。,换一个角度思考,对任意硬币coins[j],我们有使用和不使用两种情况,所以比较的双方出来了,dp[i]代表使用coins[j],dp[i-coins[j]]+1代表不使用coins[j],那么这里为什么又要加1呢,因为对i-coins[j]来说它加上一个coins[j]就是i了,所以这里需要加上1,然后i-coins[j]再从前一个状态判断最小值,最后直到已知值dp[0]。
其实真正的过程是i从0到amount记录每个状态的最小值,最后执行到dp[amount]时就是最后求的最小值,这也是动规真正的执行过程,不过我们习惯从最后开始分析问题,通过确定最后的状态与之前状态的关系,从而确定动态转移方程。
class Solution {
public int coinChange(int[] coins, int amount) {
Arrays.sort(coins);
int n=coins.length;
if(n==0||amount==0)
return 0;
int[] dp=new int[amount+1];
Arrays.fill(dp,amount+1);
dp[0]=0;
for(int j=0;j<n;j++){
for(int i=coins[j];i<=amount;i++){
dp[i]=Math.min(dp[i],dp[i-coins[j]]+1);
}
}
return dp[amount]>amount?-1:dp[amount];
}
}