class Solution {// 这个递归法只注重了最少的硬币,而没有考虑先不计代价的获取一个硬币组合,// 导致不能正确解决问题,只能解决用例中的1/3boolean flag = true;public int coinChange(int[] coins, int amount) {// // if(amount == 0) return Arrays.sort(coins);int n = coins.length;int ans = f(coins, amount, n);if(flag) return ans;else return -1;}// 一个函数。有coins数组,amountpublic int f(int[] coins, int amount, int idx){if(amount == 0) return 0;if(idx <= 0) {flag = false;return 0;}if(coins[idx - 1] <= amount) {int a = amount / coins[idx - 1];amount %= coins[idx - 1];return a + f(coins, amount, idx--);} else {return f(coins, amount, --idx);}}
}
class Solution {public int coinChange(int[] coins, int amount) {// dp表示int[] dp = new int[amount + 1];dp[0] = // 完全背包// 每个容量遍历其所有硬币for(int i = 1; i <= amount; i++){for(int j = 0; j < coins.length; j++){if(i < coins[j]) dp[i] = dp[i - 1];else dp[i] = }}}/*不能这样做,因为这样还和上面递归一样,不能找到所有的结果(只找最优的结果,如果找不到,也不没返回一个差的结果)dp[] += cap / coin[]cap %= coins[]*/public int f(int cap, int[] coins){for(int i = )}
}
class Solution {public int coinChange(int[] coins, int amount) {// 遍历容量的话,复杂度太高了吧,对于几千的amountint[] dp = new int[amount + 1];for(int i = 1; i <= amount; i++){for(int j = 0; j < coins.length; j++){if(i < coins[j]) dp[i] = dp[i - 1];// dp代表什么?// 代表加的硬币数量else dp[i] = Math.min(dp[i], dp[i - coins[j]] + 1);}}return dp[amount];}
}
:好难啊,要想到初始最大值,dp[0]初始0,
自己还是没有理解dp的真正
class Solution {public int coinChange(int[] coins, int amount) {int[] dp = new int[amount + 1];int max = Integer.MAX_VALUE;for(int i = 0; i < dp.length; i++) dp[i] = max;dp[0] = 0;for(int i = 0; i < coins.length; i++){// 后遍历amount的话,复杂度就稍微降下了一点,// 最小的coins到zmount之间的,会被多次判断赋值(比amount少一点)// 在这多次的判断中,dp会尝试coins中的每个数字,一次,或多次,直到数字和为当前的容量jfor(int j = coins[i]; j <= amount; j++){if(dp[j - coins[i]] != max) dp[j] = Math.min(dp[j], dp[j - coins[i]] + 1);}}return dp[amount] == max ? -1 : dp[amount];}
}