力扣-322 零钱兑换

这篇博客探讨了如何使用动态规划算法解决硬币找零问题。作者提供了三种不同的实现方式,包括基本的动态规划、优化后的动态规划以及利用缓存避免重复计算的版本。每个实现都通过递归函数来寻找最小硬币组合数。博客强调了动态规划在解决此类问题中的效率和优化技巧。
'''
自己的想法,超时
'''
class Solution:
    def coinChange(self, coins: List[int], amount: int) -> int:
        # 动态规划
        dp = [1 for i in range(len(coins))]

        # 最简单的状态
        # if amount == 0:
        #     return 0

        # dp[amount] = num
        # 对于每次减去一个金额,会使得数量发生变化
        # 定义dp数组,给定一个金额amount,得到一个数量
        def find(coins, amount):
            if amount == 0:
                return 0
            min_v = float('inf')
            for i in range(len(coins)):
                target = amount-coins[i]
                if target < 0:
                    continue
                num = find(coins, target)+1
                if num < min_v:
                    min_v = num
            return min_v
        res = find(coins, amount)
        return res if res!=float('inf') else -1
#  优化,记录重复步骤
class Solution:
    def coinChange(self, coins: List[int], amount: int) -> int:
        # 动态规划
        dp = {}
        def find(coins, amount):
            if amount == 0:
                return 0
            min_v = float('inf')
            for i in range(len(coins)):
                target = amount-coins[i]
                if target < 0:
                    continue
                if target in dp:
                    num = dp[target] + 1
                else:
                    num = find(coins, target)+1
                if num < min_v:
                    min_v = num
            if amount not in dp:
                dp[amount] = min_v
            return min_v
        res = find(coins, amount)
        return res if res!=float('inf') else -1

参考自labuladong的算法小抄

class Solution:
    def coinChange(self, coins: List[int], amount: int) -> int:
        # 动态规划
        helper = {}
        def dp(n):
            if n in helper:
                return helper[n]
            if n == 0:
                return 0
            if n <= 0:
                return -1
            res = float('inf')
            for i in coins:
                target = dp(n-i)
                if target == -1:
                    continue
                res = min(res, target+1)
            # if res not in helper:
            helper[n] = res
            return res

        r = dp(amount)
        return r if r!=float('inf') else -1
### 力扣(LeetCode)零钱兑换问题的C++解决方案 以下是基于动态规划方法解决 **LeetCode 322. Coin Change** 的 C++ 实现方案。此算法通过构建一个数组 `dp` 来存储子问题的结果,其中 `dp[i]` 表示凑成金额 `i` 所需最少硬币数。 #### 解决思路 该问题可以通过动态规划求解。定义状态转移方程为: \[ \text{dp}[i] = \min(\text{dp}[i], \text{dp}[i-\text{coin}] + 1) \quad \forall \text{coin} \leq i \] 初始条件设置为: \[\text{dp}[0] = 0\] (表示凑成金额 0 不需要任何硬币) 对于其他位置 \(i\) 初始化为无穷大 (\(INF\)) 或者超出范围的一个极大值,以便后续更新最小值。 最终返回结果时,如果 `\text{dp}[\text{amount}]` 始终未被有效更新,则说明无法凑齐目标金额,应返回 `-1`。 下面是完整的 C++ 实现: ```cpp #include <vector> #include <algorithm> using namespace std; class Solution { public: int coinChange(vector<int>& coins, int amount) { // 创建 dp 数组并初始化为 INF vector<long> dp(amount + 1, INT_MAX); dp[0] = 0; // 初始条件 // 外层循环遍历每种面额的硬币 for (const auto& coin : coins) { // 内层循环从当前硬币面额到总金额逐步计算最优解 for (int x = coin; x <= amount; ++x) { dp[x] = min(dp[x], dp[x - coin] + 1); // 更新状态转移方程 } } // 如果 dp[amount] 超过最大整数值则无解 return (dp[amount] == INT_MAX ? -1 : static_cast<int>(dp[amount])); } }; ``` 上述代码实现了动态规划的核心逻辑,并利用两重嵌套循环完成对所有可能组合的评估。外层循环负责逐一处理不同类型的硬币;内层循环用于迭代更新每一个金额下的最佳选择情况。 #### 时间复杂度与空间复杂度分析 时间复杂度主要取决于两个因素——硬币种类数目以及所需总额度大小。具体来说, - 设有 $n$ 种不同的硬币; - 总共要达到的目标金额记作 $\text{amount}$, 那么整体的时间复杂度大约为 O(n × amount)[^3] 。至于额外使用的内存资源方面,由于只需要维护长度等于 $(\text{amount}+1)$ 的一维数组即可满足需求,因此其空间复杂度同样也是线性的即 O(amount). ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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