首页 > 编程语言 >算法学习笔记(8.5)-零钱兑换问题二

算法学习笔记(8.5)-零钱兑换问题二

时间:2024-07-14 21:29:51浏览次数:21  
标签:8.5 硬币 int coins range 零钱 算法 amt dp

目录

Question:

动态规划思路:

代码实现:

空间优化代码

Question

给定n种硬币,第i种硬币的面值为coins[i-1],目标金额为amt,每种硬币可以重复选取,问凑出目标金额的硬币组合数量。

动态规划思路:

相比与上一题,本体的目标是求组合数量,因此子问题变为:前i种硬币能够凑出金额a的组合数量。而dp的尺寸仍然是(n+1)*(amt+1)的二维矩阵。

当前状态的组合数量等于不选当前硬币与选当前硬币这两种决策的组合数量的和。状态转移方程为:

dp[i,a] = dp[i-1,a] + dp[i,a-coins[i-1]]

当前目标金额为0时,无须选择任何硬币凑出目标金额,因此应将首列所有dp[i,0]都初始化为1。当无硬币时,无法凑出任何>0的目标金额,因此首行的所有的dp[0,a]都等于0。

代码实现:

# python 代码实现
def coin_change_two_dp(coins, amt) :
    n = len(coins)
    dp = [ [0] * (amt + 1) for _ in range(n + 1)]
    for i in range(1, n + 1) :
        dp[i][0] = 1 ;
    for j in range(1, amt + 1) :
        dp[0][j] = 0 ;
    for i in range(1, n + 1) :
        for j in range(1, amt + 1) :
            if coins[i - 1] > j :
                dp[i][j] = dp[i - 1][j]
            else :
                dp[i][j] = dp[i - 1][j] + dp[i][j - coins[i - 1]]
    return dp[n][amt]
// c++ 代码示例

int coinChangeTwoDP(vector<int> &coins, int amt)
{
    int n = coins.size() ;
    vector<vector<int>> dp(n + 1, vector<int>(amt + 1, 0)) ;
    for (int i = 1 ; i <= n ; i++)
    {
        dp[i][0] = 1 ;
    }
    for (int j = 1 ; j <= amt ; j++)
    {
        dp[0][j] = 0 ;
    }
    for (int i = 1 ; i <= n ; i++)
    {
        for (int j = 1 ; j <= amt ; j++)
        {
            if (coins[i - 1] > j)
            {
                dp[i][j] = dp[i - 1][j] ;
            }
            else
            {
                dp[i][j] = dp[i - 1][j] + dp[i][j - coins[i - 1]] ;
            }
        }
    }
    return dp[n][amt] ;
}

空间优化代码:

# python 代码示例

def coin_change_two_dp_comp(coins, amt) :
    n = len(coins)
    
    dp = [0] * (amt)
    
    dp[0] = 1
    for i in range(1, n + 1) :
        for j in range(1, amt + 1) :
            if coins[i - 1] > j :
                dp[j] = dp[j]
            else :
                dp[j] = dp[j] + dp[j - coins[i - 1]]
    return dp[amt]
// c++ 代码示例
int coinChangeTwoDPComp(vector<int> &coins, int amt)
{
    int n = coins.size() ;
    vector<int> dp(amt + 1, 0) ;
    dp[0] = 1 ;
    for (int i = 1 ; i <= n ; i++)
    {
        for (int j = 1 ; j <= amt; j++)
        {
            if (coins[i - 1] > j)
            {
                dp[j] = dp[j] ;
            }
            else
            {
                dp[j] = dp[j] + dp[j - coins[i - 1]] ;
            }
        }
    }
    return dp[amt] ;
}

标签:8.5,硬币,int,coins,range,零钱,算法,amt,dp
From: https://blog.csdn.net/2301_76874968/article/details/140416557

相关文章

  • (网络流)最大流-增广路算法
    最大流概念(一般形式、一般模型):在一张有向图中,给定源点、汇点,每条边单位时间可以流x容量的水。有无限的水从源点流入,从汇点流出。求单位时间内,从汇点流出的水的最大值。(网络流)最大流-增广路算法核心思路:每次找到一条可以流水的路径,将其称为增广路。增广路的所以算法本质上都......
  • Day68 代码随想录打卡|回溯算法篇---子集
    题目(leecodeT78):给你一个整数数组 nums ,数组中的元素 互不相同 。返回该数组所有可能的子集(幂集)。解集 不能 包含重复的子集。你可以按 任意顺序 返回解集。方法:本题为求子集问题,采用回溯算法解决,与之前的组合与分割问题我们最后收集的是树上的叶子节点不同。子集......
  • 算法学习day12(动态规划)
    一、不同的二叉搜索树二叉搜索树的性质:父节点比左边的孩子节点都大;比右边的孩子节点都小;由图片可知,dp[3]是可以由dp[2]和dp[1]得出来的。(二叉搜索树的种类和根节点的val有关)当val为1时,左边是一定没有节点的,因为左边的值都要比根节点小;只有右边会有n-val个节点。所以当va......
  • 拓展欧几里得算法
    877.扩展欧几里得算法-AcWing题库878.线性同余方程-AcWing题库#include<bits/stdc++.h>usingnamespacestd;intexgcd(inta,intb,int&x,int&y){if(!b){x=1,y=0;returna;}else{intt=exgcd(b,a%b,y,x);......
  • Floyd算法——AcWing 343. 排序
    目录Floyd算法定义运用情况注意事项解题思路基本步骤AcWing343.排序 题目描述运行代码代码思路改进思路Floyd算法定义Floyd算法,全称Floyd-Warshall算法,是一种用于解决图中所有顶点对之间的最短路径问题的动态规划算法。它适用于带权有向图,且可以处理负权重边(......
  • 代码随想录算法训练营第10天|232. 用栈实现队列,225. 用队列实现栈,20. 有效的括号,1047.
    学习任务:Leetcode232.用栈实现队列Leetcode225.用队列实现栈Leetcode20.有效的括号Leetcode1047.删除字符串中的所有相邻重复项Leetcode232.用栈实现队列难度:简单|相关标签:栈、设计、队列题目:请你仅使用两个栈实现先入先出队列。队列应当支持一般队列支......
  • 监狱AI视频分析监控算法方案 YOLOv3
    监狱AI视频分析监控算法方案可以对现场人员行为及物体状态进行实时分析识别,监狱AI视频分析监控算法方案对监控画面中特殊区域入侵监测、睡岗脱岗监测、越界监测、人员异常徘徊监测、视频骤变监测、攀高识别、跌倒检测、夜间起床识别、打架斗殴检测、异常速度监测、遗留物监测等......
  • 数据结构与算法分析实验7 构造哈夫曼树和生成哈夫曼编码
    文章目录1.上机名称2.上机要求3.上机环境4.程序清单(写明运行结果及结果分析)4.1程序清单4.1.1head.h头文件内容如下:4.1.2head.cpp实现文件内容如下:4.1.3源文件main.cpp内容如下:4.2程序运行结果5.上机体会1.上机名称构造哈夫曼树和生成哈夫曼编码2.上机......
  • 深度学习第P6周:VGG-16算法-Pytorch实现人脸识别
    >-**......
  • 启发式优化算法合集
    遗传算法(GeneticAlgorithm)模拟退火(SimulatedAnnealing)粒子群优化(ParticleSwarmOptimization)蚁群算法(AntColonyOptimization)差分进化(DifferentialEvolution)禁忌搜索(TabuSearch)局部搜索(LocalSearch)邻域搜索(NeighborhoodSearch)蝙蝠......