我想知道每个面额都有无限数量的硬币的硬币找零问题的算法思想。表示如何应用 DP(如标准硬币找零问题) 例如,在第 1、10、15 组中,找零 35 给--2 个 10 硬币和 1 个 15 硬币
也给我一个蛮力算法的想法。我知道迭代所有的集合。但是如何在暴力破解时改变每个硬币的数量
我想知道每个面额都有无限数量的硬币的硬币找零问题的算法思想。表示如何应用 DP(如标准硬币找零问题) 例如,在第 1、10、15 组中,找零 35 给--2 个 10 硬币和 1 个 15 硬币
也给我一个蛮力算法的想法。我知道迭代所有的集合。但是如何在暴力破解时改变每个硬币的数量
我会考虑一次一步地构建解决方案,归纳:
可用硬币有 1c、5c、10c、25c(您可以根据需要调整它们)
如果您可以归纳地制定问题,那么解决它可能会更容易。
编辑:
好的,这是解释动态编程解决方案的另一种尝试:
考虑一个包含x
行(x
是不同面额的数量)和n
列(n
是您必须使用最少面额构建的数量)的表。此表中的每个单元格都代表一个不同的子问题,最终将包含它的解决方案。认为:
第 1 行代表集合{1c}
,即在第 1 行,您可以无限使用1c
第 2 行代表集合{1c, 10c}
,即在第 2 行,您可以无限使用1c
,10c
第 3 行代表集合{1c, 10c, 15c}
,依此类推...
每一列代表您要构建的数量.
因此,每个单元格对应一个小的子问题。例如(为简单起见,索引从 1 开始),
cell(1, 5)
==>5c
仅使用{1c}
cell(2, 9)
==> 构造9c
使用{1c, 10c}
cell(3, 27)
==> 构造27c
使用{1c, 10c, 15c}
现在你的目标是得到答案cell(x, n)
Solution:
从最简单的问题开始解决表格。解决第一行是微不足道的,因为在第一行中唯一可用的面额是{1c}
。第 1 行中的每个单元格都有一个平凡的解决方案,导致cell(1, n)
= {nx1c}
(n
硬币1c
)。
现在继续下一行。概括第二行,让我们看看如何解决(比如说)cell(2, 28)
即28c
使用{1c, 10c}
. 在这里,您需要做出决定,是否包含10c
在解决方案中,以及有多少硬币。您有 3 个选择 (3 = 28/10 + 1)
Choice 1
:
取{1x10c}
上一行的其余部分(存储在 中cell(1, 18)
)。这给了你{1x10c, 18x1c}
=19 coins
Choice 2
:
取{2x10c}
上一行的其余部分(存储在 中cell(1, 8)
)。这给了你{2x10c, 8x1c}
=10 coins
Choice 3
:
取 no10c
和前一行的其余部分(存储在 中cell(1, 28)
)。这给了你{28x1c}
=28 coins
显然,选择 2 是最好的,因为它需要更少的硬币。把它写在桌子上,然后继续。表格将一次填满一行,并且在一行内,按照数量增加的顺序。
按照上述规则,您将达到cell(x, n)
,解决方案将是在替代方案之间进行n/p + 1
选择,其中p
= 行中的最新面额x
。最好的选择是你的答案。
该表实际上将小问题的解决方案记住了,因此您无需一次又一次地解决它们。
关于蛮力部分:
int i,j,k;
for(i=0;i<35;i++){
for(j=0;j<4;j++){
for(k=0;k<3;k++){
if(1*i+10*j+15*k == 35){
//is this what you need?
//minimum=min(minimum,(i+j+k));
}
}
}
}
你可以在这里运行它http://www.exorithm.com/algorithm/view/coin_change
function coin_change ($amount, $coins)
{
$change = array();
rsort($coins);
for($i=0; $i<count($coins); $i++) {
$change[$coins[$i]] = floor($amount/$coins[$i]);
$amount = $amount % $coins[$i];
}
return $change;
}
这是如何将数字从一种编号系统转换为另一种编号系统的方法。例如:
35 = 1*2^5 + 0*2^4 + 0*2^3 + 0*2^2 + 0*2^1 + 1*2^0
那是:
var cash = 35;
var coins = [15, 10, 5, 1];
var change = {};
for(var i=0; i<coins.length; i++){
change[coins[i]] = Math.floor(cash/coins[i]);
cash %= coins[i];
}
//change now contains:
//15:2, 10:0, 5:1, 1:0
关于蛮力。
它被称为“贪心算法”——你总是拿最大的硬币,它不大于你需要代表的价值。
伪代码,返回代表价值所需的硬币数量,如果我们可以无限次使用每个硬币
int[] greedy(int value, int[] coins) {
int[] ans = ...;
int v = coins.length - 1;
int left = value;
while (left > 0 && v >= 0) {
if (coins[v] <= left) {
ans.push(coins[v]);
} else {
v--;
}
}
return left == 0 ? ans : //representation impossible,
//so you better do something;
}
伪代码,返回代表价值所需的硬币数量,如果我们可以无限次使用每个硬币
int f(int value, int[] coins) {
int[] memo = new int[value + 1];
Arrays.fill(memo, 1234567);
memo[0] = 0;
for (int coin : coins)
for (int i = 0; i + coin <= value; i++)
memo[i + coin] = min(memo[i + coin], memo[i] + 1);
return memo[value];
}
要知道要拿哪些硬币,请从末尾开始:if memo[value] = 3
,然后检查所有硬币并找到这样的硬币,然后memo[value - coin] == 2
继续(value - coin)
直到到达0
。