硬币找零问题(动态规划)

1、题目表述

    给定需要找零的面值money和可以使用的硬币种类(这里假设每种硬币的数量有无限多种),求出用这些硬币找零所需要的最小硬币数。比如money = 7,硬币种类为[1,2,5],那么需要找零1个面值2的硬币和1个5的硬币,总的硬币数为2个。

2、解题思路

   使用动态规划求解:我们用d(i)=j来表示凑够i元最少需要j个硬币。于是我们已经得到了d(0) = 0, 表示凑够0元最小需要0个硬币。当i = 1时,只有面值为1的硬币可用,所以:

    d(1) = d(1-1) + 1 = d(0) + 1 = 0 + 1 = 1;

当 i=2时,此时可用的硬币为1和2,那么我们使用哪个呢?必须要确保我们选择的这种硬币使得硬币数最小,因此我们的选择为:

    d(2)= min{ d( 2 - 2) + 1,d(2 -1)+ 1} = min{ d(0)+1,d(1)+1 } = 1;

当i = 3时,可用的硬币为1和2,我们的选择为:

    d(3)= min{ d( 3 - 2) + 1,d(3 -1)+ 1} = min{ d(1)+1,d(2)+1 } = 2;

当i =4 时,可用的硬币为1和2,我们的选择为:

    d(4)= min{ d(4 - 2) + 1,d(4 -1)+ 1} = min{ d(2)+1,d(3)+1 } = 2;

当i =5 时,可用的硬币为1、2、5,我们的选择为:

    d(5)= min{ d(5 

### 最少硬币找零问题动态规划解决方案 #### 问题描述 给定一组不同面值的硬币 `coins` 和一个目标金额 `amount`,求组成该金额所需的最少硬币数量。如果无法组成该金额,则返回 `-1`。 #### 动态规划解决方法 此问题可以通过动态规划来高效解决。核心思想是构建一个数组 `dp[]`,其中 `dp[i]` 表示金额为 `i` 的情况下所需最少硬币的数量。状态转移方程如下: ```plaintext if (i >= coin) { dp[i] = Math.min(dp[i], dp[i - coin] + 1); } ``` 这里的关键在于通过遍历每一种硬币并更新当前金额的状态,逐步找到最优解[^2]。 #### 初始化与边界条件 为了确保计算正确,需初始化 `dp[0] = 0`,表示金额为 0 时不需任何硬币即可完成支付。对于其他金额,初始值设为无穷大(通常可以用一个较大的整数值代替),以便后续比较时能够覆盖所有可能性。 #### 完整算法实现 以下是基于 JavaScript 的完整实现代码: ```javascript function coinChange(coins, amount) { const MAX = Infinity; let dp = new Array(amount + 1).fill(MAX); dp[0] = 0; for (let i = 1; i <= amount; i++) { for (const coin of coins) { if (coin <= i && dp[i - coin] !== MAX) { dp[i] = Math.min(dp[i], dp[i - coin] + 1); } } } return dp[amount] === MAX ? -1 : dp[amount]; } // 测试案例 console.log(coinChange([1, 2, 5], 11)); // 输出: 3 (11 = 5 + 5 + 1) ``` 在 Java 中也可以采用类似的逻辑实现,具体代码如下所示: ```java public class CoinChange { public static int coinChange(int[] coins, int amount) { int max = amount + 1; int[] dp = new int[max]; Arrays.fill(dp, max); dp[0] = 0; for (int i = 1; i <= amount; i++) { for (int coin : coins) { if (coin <= i && dp[i - coin] != max) { dp[i] = Math.min(dp[i], dp[i - coin] + 1); } } } return dp[amount] > amount ? -1 : dp[amount]; } public static void main(String[] args) { System.out.println(coinChange(new int[]{1, 2, 5}, 11)); // 输出: 3 } } ``` 以上两种语言均实现了相同的逻辑结构,并利用了动态规划的核心思想——子问题分解与重叠子问题优化[^3]。 #### 时间复杂度分析 假设共有 `n` 种不同的硬币,目标金额为 `m`,则时间复杂度为 O(n * m),空间复杂度为 O(m)[^2]。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值