https://leetcode-cn.com/problems/coin-change-2/description/
给定不同面额的硬币和一个总金额。写出函数来计算可以凑成总金额的硬币组合数。假设每一种面额的硬币有无限个。
示例 1:
输入: amount = 5, coins = [1, 2, 5] 输出: 4 解释: 有四种方式可以凑成总金额: 5=5 5=2+2+1 5=2+1+1+1 5=1+1+1+1+1 示例 2:
输入: amount = 3, coins = [2] 输出: 0 解释: 只用面额 2 的硬币不能凑成总金额 3。 示例 3:
输入: amount = 10, coins = [10] 输出: 1
注意:
你可以假设:
0 <= amount (总金额) <= 5000 1 <= coin (硬币面额) <= 5000 硬币种类不超过 500 种 结果符合 32 位符号整数
这个题目和 coin-change 的思路比较类似。
我们还是按照 coin-change 的思路来, 如果将问题画出来大概是这样:
进一步我们可以对问题进行空间复杂度上的优化(这种写法比较难以理解,但是相对更省空间)
这里用动图会更好理解, 有时间的话我会做一个动图出来, 现在大家脑补一下吧
-
动态规划
-
子问题
用 dp[i] 来表示组成 i 块钱,需要最少的硬币数,那么
-
第 j 个硬币我可以选择不拿 这个时候, 组成数 = dp[i]
-
第 j 个硬币我可以选择拿 这个时候, 组成数 = dp[i - coins[j]] + dp[i]
-
和背包问题不同, 硬币是可以拿任意个
-
对于每一个 dp[i] 我们都选择遍历一遍 coin, 不断更新 dp[i]
eg:
if (amount === 0) return 1;
const dp = [Array(amount + 1).fill(1)];
for (let i = 1; i < amount + 1; i++) {
dp[i] = Array(coins.length + 1).fill(0);
for (let j = 1; j < coins.length + 1; j++) {
// 从1开始可以简化运算
if (i - coins[j - 1] >= 0) {
// 注意这里是coins[j -1]而不是coins[j]
dp[i][j] = dp[i][j - 1] + dp[i - coins[j - 1]][j]; // 由于可以重复使用硬币所以这里是j不是j-1
} else {
dp[i][j] = dp[i][j - 1];
}
}
}
return dp[dp.length - 1][coins.length];
- 当我们选择一维数组去解的时候,内外循环将会对结果造成影响
eg:
// 这种答案是不对的。
// 原因在于比如amount = 5, coins = [1,2,5]
// 这种算法会将[1,2,2] [2,1,2] [2, 2, 1] 算成不同的
if (amount === 0) return 1;
const dp = [1].concat(Array(amount).fill(0));
for (let i = 1; i < amount + 1; i++) {
for (let j = 0; j < coins.length; j++) {
if (i - coins[j] >= 0) {
dp[i] = dp[i] + dp[i - coins[j]];
}
}
}
return dp[dp.length - 1];
// 正确的写法应该是内外循环调换一下, 具体可以看下方代码区
/*
* @lc app=leetcode id=518 lang=javascript
*
* [518] Coin Change 2
*
*/
/**
* @param {number} amount
* @param {number[]} coins
* @return {number}
*/
var change = function(amount, coins) {
if (amount === 0) return 1;
const dp = [1].concat(Array(amount).fill(0));
for (let j = 0; j < coins.length; j++) {
for (let i = 1; i < amount + 1; i++) {
if (i - coins[j] >= 0) {
dp[i] = dp[i] + dp[i - coins[j]];
}
}
}
return dp[dp.length - 1];
};
这是一道很简单描述的题目, 因此很多时候会被用到大公司的电面中。
相似问题: