L3-001. 凑零钱(dp)

本文介绍了一种通过不同面值硬币的组合来精确支付指定金额的算法实现。该算法使用动态规划方法寻找最少数量的硬币组合,同时提供了解的具体构成。适用于需要解决硬币找零或组合支付问题的场景。

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

#include<cstdio>
#include<algorithm>
#include<cstring>
#include<stack>
using namespace std;
const int INF=-0x3fffffff;
stack<int>s;
int dp[10001],pre[10001],a[10001];
int main()
{
    for(int i=0;i<=10001;++i)
    {
        dp[i]=INF;
    }
     dp[0]=0;
    int n,m;
    scanf("%d%d",&n,&m);
    for(int i=0;i<n;++i)
        scanf("%d",&a[i]);
    sort(a,a+n);
    for(int i=0;i<n;++i)
        for(int j=m;j>=a[i];--j)
        {
            if(dp[j]<=dp[j-a[i]]+1)//核心代码
            {
                
                dp[j]=dp[j-a[i]]+1;
                pre[j]=j-a[i];
            }
        }
    if(dp[m]>0)
    {
        int k=m;
        while(pre[k])
        {
            s.push(k-pre[k]);
            k=pre[k];
        }
        printf("%d",k);
        while(!s.empty())
        {
            printf(" %d",s.top());
            s.pop();
        }
        printf("\n");
    }
    else 
        printf("No Solution\n");
    return 0;
}

韩梅梅喜欢满宇宙到处逛街。现在她逛到了一家火星店里,发现这家店有个特别的规矩:你可以用任何星球的硬币付钱,但是绝不找零,当然也不能欠债。韩梅梅手边有104枚来自各个星球的硬币,需要请你帮她盘算一下,是否可能精确凑出要付的款额。

输入格式:

输入第一行给出两个正整数:N(<=104)是硬币的总个数,M(<=102)是韩梅梅要付的款额。第二行给出N枚硬币的正整数面值。数字间以空格分隔。

输出格式:

在一行中输出硬币的面值 V1 <= V2 <= ... <= Vk,满足条件 V1 + V2 + ... + Vk = M。数字间以1个空格分隔,行首尾不得有多余空格。若解不唯一,则输出最小序列。若无解,则输出“No Solution”。

注:我们说序列{A[1], A[2], ...}比{B[1], B[2], ...}“小”,是指存在 k >= 1 使得 A[i]=B[i] 对所有 i < k 成立,并且 A[k] < B[k]。

输入样例1:
8 9
5 9 8 7 2 3 4 1
输出样例1:
1 3 5
输入样例2:
4 8
7 2 4 3
输出样例2:
No Solution

### L3-001 零钱问题的 Python 解决方案 以下是基于动态规划方法实现的一个标准解法,用于解决零钱问题。此算法的核心在于通过构建一个数组 `dp` 来记录达到某个金额所需的最少硬币数量。 #### 动态规划核心逻辑 为了找到最小硬币组合的数量,可以定义状态转移方程如下: 设 `coins` 是可用的硬币面额列表,目标金额为 `amount`,则可以通过以下方式计算最优解: \[ dp[i] = \min(dp[i], dp[i - coin] + 1) \] 其中 \( dp[i] \) 表示组成金额 \( i \) 所需的最少硬币数[^2]。 下面是完整的 Python 实现代码: ```python def min_coins(coins, amount): # 初始化 dp 数组,大小为 amount+1 并填充为无穷大 dp = [float(&#39;inf&#39;)] * (amount + 1) # 当金额为 0 时,所需硬币数为 0 dp[0] = 0 # 遍历每一种可能的目标金额 for i in range(1, amount + 1): for coin in coins: if i >= coin and dp[i - coin] != float(&#39;inf&#39;): dp[i] = min(dp[i], dp[i - coin] + 1) return dp[amount] if dp[amount] != float(&#39;inf&#39;) else -1 # 测试用例 if __name__ == "__main__": coins = list(map(int, input().split())) # 输入硬币种类 amount = int(input()) # 输入目标金额 result = min_coins(coins, amount) print(result) ``` 上述代码实现了动态规划的思想来求解最小硬币数目问题。如果无法恰好成指定金额,则返回 `-1` 表明无解。 #### 关键点解析 1. **初始化**:创建长度为 `amount + 1` 的数组并设置初始值为正无穷大 (`float(&#39;inf&#39;)`),表示尚未找到任何有效路径到达这些金额。 2. **边界条件处理**:当金额等于 0 时,不需要任何硬币即可足需求,因此设定 `dp[0]=0`。 3. **双重循环更新 DP 值**:外层遍历所有可能的目标金额;内层尝试使用当前可选的所有硬币进行匹配,并不断优化已知的最佳结果。 4. **最终判断**:若经过全部迭代后仍未能降低至有限数值,则说明不存在合法解,应输出特殊标记(如这里采用的是 `-1`)。 #### 时间复杂度分析 该算法的时间复杂度主要取决于两重嵌套循环结构——即对于每一个金额都要逐一考察所有的硬币选项。假设共有 m 种不同类型的硬币以及最大金额为 n ,那么整体时间开销大致为 O(m × n)---
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