LeetCode—322.零钱兑换(Coin Change)——分析及代码(C++)

这篇博客详细解析了LeetCode 322题——零钱兑换问题,提供了使用深度优先搜索和动态规划两种C++实现方法。深度优先搜索在8ms内完成了99.67%的C++提交,而动态规划虽然稍慢,但也击败了69.52%的用户。

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

一、题目

给定不同面额的硬币 coins 和一个总金额 amount。编写一个函数来计算可以凑成总金额所需的最少的硬币个数。如果没有任何一种硬币组合能组成总金额,返回 -1。

示例 1:

输入: coins = [1, 2, 5], amount = 11
输出: 3 
解释: 11 = 5 + 5 + 1

示例 2:

输入: coins = [2], amount = 3
输出: -1

说明:
你可以认为每种硬币的数量是无限的。

来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/coin-change
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。

二、分析及代码

1. 深度优先搜索

(1)思路

对硬币面额进行降序排序,从大面额开始结合深度优先搜索方法尝试兑换:
1)若 硬币面额已遍历完成 或 兑换当前剩余金额所需的硬币总数,已超过目前答案,直接剪枝;
2)若 硬币面额 能够整除 当前剩余金额,计算硬币数并作为答案备选;
3)若 硬币面额 无法整除 当前剩余金额,从不超过剩余金额的最大数量硬币开始,逐个减少当前面额的硬币数量,并递归调用更小面额的硬币尝试兑换。
由于硬币面额是从大到小进行深度优先遍历,因此在剪枝过程中能够迅速排除大部分非最优的解。

(2)代码

class Solution {
   
public:
    int coinChange(vector<int>& coins, int amount) {
   
        sort(coins.begin(), coins.end(), greater<int>());//降序排序
        int ans 
### 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
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