换零钱

本文介绍了一种计算将整数金额N兑换成不同零钱组合的方法数目的算法,并提供了两种实现方式,一种使用递归结构存储中间结果,另一种采用动态规划进行优化。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

N元钱换为零钱,有多少不同的换法?币值包括1 2 5分,1 2 5角,1 2 5 10 20 50 100元。
例如:5分钱换为零钱,有以下4种换法:
1、5个1分
2、1个2分3个1分
3、2个2分1个1分
4、1个5分
(由于结果可能会很大,输出Mod 10^9 + 7的结果)
Input
输入1个数N,N = 100表示1元钱。(1 <= N <= 100000)
Output
输出Mod 10^9 + 7的结果
Input示例
5
Output示例
4

方法一:
#include <iostream>
#include <vector>
using namespace std;

const int FACTOR = 1e9 + 7;
const int COINS[13] = {1, 2, 5, 10, 20, 50, 100, 200, 500, 1000, 2000, 5000, 10000};

struct Node
{
    int firstVal;
    int num;
    Node(int v, int n)
    {
        firstVal = v;
        num = n;
    }
};

int fun(int N)
{
    vector<vector<Node> > dp(N+1);
    int pos = 0;
    dp[0].push_back(Node(0, 1));
    for (int i = 1; i <= N; i++)
    {
        if ((pos+1 < 13) && COINS[pos+1] == i)
        {
            pos++;
        }

        for (int j = pos; j >= 0; j--)
        {
            int firstVal = COINS[j];
            int num = 0;
            for (int k = dp[i-firstVal].size()-1; k >= 0; k--)
            {
                if (firstVal >= dp[i-firstVal][k].firstVal)
                {
                    num += dp[i-firstVal][k].num;
                    num %= FACTOR;
                }
                else
                {
                    break;
                }
            }
            dp[i].push_back(Node(firstVal, num));
        }
    }
    
	int result = 0;
	for (int i = 0; i < dp[N].size(); i++)
	{
		result += dp[N][i].num;
		result %= FACTOR;
	}
    return result;
}

int main()
{
    int N;
    cin >> N;
  
    cout << fun(N) << endl;
    
    return 0;
}


方法二:
#include <iostream>>
using namespace std;

const int FACTOR = 1e9 + 7;
const int COINS[13] = {1, 2, 5, 10, 20, 50, 100, 200, 500, 1000, 2000, 5000, 10000};

int  dp[100001];
int  fun(int N) 
{
    dp[0] = 1;
    for( int i = 0; i < 13; ++i ) 
    {
        for (int j = COINS[i]; j <= N; j++ )
        {
            dp[j] = (dp[j] + dp[j-COINS[i]]) % FACTOR;
        }
    }
    return  dp[N];
}

int main()
{
    int N;
    cin >> N;
  
    cout << fun(N) << endl;
    
    return 0;
}


### 动态规划解决换零钱问题 动态规划是一种通过分解子问题并存储中间结果来解决问题的方法,适用于具有重叠子结构和最优子结构性质的问题。在换零钱问题中,目标是最少硬币量满足给定金额 \( \text{amount} \)[^2]。 #### 问题定义 给定一个整金额 \( \text{amount} \) 和一组硬币面额 \( \text{coins} \),求组成该金额所需的最少硬币量。如果无法凑出指定金额,则返回 -1[^4]。 #### 动态规划的核心思想 动态规划的关键在于构建状态转移方程。设 \( dp[i] \) 表示凑成金额 \( i \) 所需的最少硬币,则有如下关系: \[ dp[i] = \min_{j}(dp[i - coins[j]] + 1), \quad \forall j, \; coins[j] \leq i \] 初始条件为 \( dp[0] = 0 \),因为凑成金额 0 不需要任何硬币[^5]。 以下是基于上述原理的 Python 实现代码: ```python def coinChange(coins, amount): # 初始化 dp 组,大小为 amount+1 并设置初值为无穷大 dp = [float('inf')] * (amount + 1) dp[0] = 0 # 基本情况:凑成金额 0 需要 0 枚硬币 # 遍历所有可能的目标金额 for i in range(1, amount + 1): # 对于每种硬币面额,更新 dp[i] for coin in coins: if coin <= i and dp[i - coin] != float('inf'): dp[i] = min(dp[i], dp[i - coin] + 1) # 如果 dp[amount] 仍为 inf,说明无法凑出此金额 return dp[amount] if dp[amount] != float('inf') else -1 ``` #### 示例运行 假设有硬币面额 `[1, 2, 5]`,目标金额为 `11`,则调用函的结果为: ```python print(coinChange([1, 2, 5], 11)) # 输出: 3 (即使用两枚 5 元硬币和一枚 1 元硬币) ``` #### 复杂度分析 - 时间复杂度:\( O(\text{amount} \times n) \),其中 \( n \) 是硬币种类的量。 - 空间复杂度:\( O(\text{amount}) \),用于存储 DP 组中的状态。 ---
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