L3-001. 凑零钱 (背包问题)

L3-001. 凑零钱

时间限制
200 ms
内存限制
65536 kB
代码长度限制
8000 B
判题程序
Standard
作者
陈越

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
 
 
// 标准的背包问题
// 需要将硬币从大到小排序,因为题目要求序列小的,所以逆序遍历时需要从小的硬币开始遍历
// 需要用path数组将路径记录下来
#include <iostream> 
#include <vector>
#include <algorithm>
using namespace std;
int M;
int N;
vector<int> coin;
int dp[101];
int path[10001][101];

int cmp(int a,int b) {
	return a > b;
}

int main()
{
	//freopen("data.txt", "r", stdin);
	cin >> N >> M;
	for (int i = 0; i < N; i++) {
		int temp;
		cin >> temp;
		coin.push_back(temp);
	}
	// 将硬币从小到大排序
	sort(coin.begin(), coin.end(),cmp);

	// 动态规划,用path将路径记录下来
	for (int i = 0; i < N; i++) {
		for (int j = M; j >= coin[i]; j--) {
			if (dp[j] <= dp[j - coin[i]] + coin[i]) {
				path[i][j] = 1;
				dp[j] = dp[j - coin[i]] + coin[i];
			}
		}
	}
	// 从[N-1][M]开始倒着输出
	if (dp[M] != M) {
		cout << "No Solution" << endl;
	}
	else {
		int j = M;
		int i = N - 1;
		while (j > 0) {
			if (path[i][j] == 1) {
				if (j != M) {
					cout << " ";
				}
				cout << coin[i];
				j -= coin[i];
			}
			i--;
		}
	}
	return 0;
}


### 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满足需求,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 2
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