1. 题目
读题
https://leetcode.cn/problems/coin-change/description/
考查点
这道题的考查点是动态规划的思想和方法,以及如何定义状态和状态转移方程。动态规划是一种将复杂问题分解为子问题,并存储子问题的解的方法。它可以用来解决一些具有最优子结构和重叠子问题的问题,比如零钱兑换问题。要使用动态规划,我们需要定义一个合适的状态,表示问题的某个阶段或子问题的解,以及一个状态转移方程,表示状态之间的关系或递推关系。这道题中,我们定义了一个一维数组dp,其中dp[i]表示凑成金额i所需的最少硬币个数,这就是状态。我们也定义了一个状态转移方程,表示对于每个金额i,我们可以考虑是否使用硬币coin来凑成金额i,如果使用,则需要dp[i-coin]+1个硬币,如果不使用,则需要dp[i]个硬币。我们取两者中的较小值作为dp[i]的更新值,这就是状态转移方程。
2. 解法
思路
这道题的思路是使用动态规划的方法,将复杂问题分解为子问题,并存储子问题的解。具体来说,我们定义一个一维数组dp,其中dp[i]表示凑成金额i所需的最少硬币个数。我们从小到大遍历金额i,对于每个金额i,我们遍历硬币数组coins中的每个硬币面额coin,考虑是否使用硬币coin来凑成金额i。如果使用,则需要dp[i-coin]+1个硬币,如果不使用,则需要dp[i]个硬币。我们取两者中的较小值作为dp[i]的更新值。最后,我们返回dp[amount],如果它等于amount+1,说明无法凑成总金额,返回-1;否则返回它本身。
这道题的状态转移公式是:
dp[i]=min(dp[i],dp[i−coin]+1)
其中,i表示金额,coin表示硬币面额,dp[i]表示凑成金额i所需的最少硬币个数。
代码逻辑
代码的逻辑可以分为以下几个步骤:
- 定义一个一维数组dp,其中dp[i]表示凑成金额i所需的最少硬币个数。
- 初始时,dp[0]=0,其他元素都设为一个较大的值,比如amount+1。
- 遍历coins数组中的每个硬币面额coin,并更新dp数组中的每个元素。对于每个元素dp[i],我们可以考虑是否使用硬币coin来凑成金额i,如果使用,则需要dp[i-coin]+1个硬币,如果不使用,则需要dp[i]个硬币。我们取两者中的较小值作为dp[i]的更新值。
- 最后,我们返回dp[amount],如果它等于amount+1,说明无法凑成总金额,返回-1;否则返回它本身。
具体实现
class Solution { public int coinChange(int[] coins, int amount) { //定义一个一维数组dp,其中dp[i]表示凑成金额i所需的最少硬币个数 int[] dp = new int[amount + 1]; //初始时,dp[0]=0,其他元素都设为一个较大的值,比如amount+1 dp[0] = 0; for (int i = 1; i <= amount; i++) { dp[i] = amount + 1; } //遍历coins数组中的每个硬币面额coin for (int coin : coins) { //更新dp数组中的每个元素 for (int i = coin; i <= amount; i++) { //考虑是否使用硬币coin来凑成金额i //取两者中的较小值作为dp[i]的更新值 dp[i] = Math.min(dp[i], dp[i - coin] + 1); } } //返回dp[amount] return dp[amount] == amount + 1 ? -1 : dp[amount]; } }