这篇博客介绍了如何解决LeetCode上的322题，即零钱兑换问题。当给定不同面额的硬币和一个总金额时，需要找出凑成总金额所需的最少硬币数。文章首先尝试使用贪心算法，但发现这种方法并不适用于所有情况，随后转向动态规划的解决方案。动态规划的状态定义为dp[i]，表示凑出金额i所需的最小硬币数量。状态转移方程为dp[i] = min(dp[i], dp[i-coins[i]] + 1)，并初始化dp[0] = 0，其他dp[i] = amount + 1。最后，通过检查dp[amount]是否改变来判断是否返回-1，表示没有硬币组合能组成总金额。"
121234438,8488508,Python等级考试详解：数字类型与字符串操作,"['Python', '开发语言', '后端']
leetcode 322：零钱兑换
无限背包问题：
有N种物品和一个容量为V的背包，每种物品都有无限件可用，第i件物品消耗的容量为Ci，价值为Wi，求解放入哪些物品可以使得背包中总价值最大。
无限背包（完全背包）特点：物品种类为n个（每种物品数量无限）
题目描述：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。
输入: coins = [1, 2, 5], amount = 11
输出: 3
解释: 11 = 5 + 5 + 1
解题步骤：
方法一：贪心算法。看到这类题目第一想法就是采用贪心算法来求解。但是贪心算法也存在不足之处：
如果我们换一组钞票面值，比如 1， 5， 11，我们要凑出15的时候， 贪心策略就会出错：
15 = 11 * 1 + 1 * 4 (贪心策略）
15 = 5 * 3（正确策略）
方法二：动态规划
由于贪心算法无法适用于所有面额的情况，我们采用动态规划的方法来求解
1、 状态定义：dp[i]表示凑出金额i所需要的最小硬币数量
2、 状态转移方程：dp[i] = min(dp[i],dp[i-coins[i]]+1) (i >= conins[i])
Conins[i]表示最后一枚硬币的面值数，将该硬币添加进去后，总金额数减少，并且硬币数量增加<
最低0.47元/天 解锁文章
624
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
