我遇到了解决各种问题的动态编程解决方案的问题,特别是硬币更改问题:
“给定值N,如果我们想要改变N美分,并且我们每个S = {S1,S2,..,Sm}价值硬币都有无限供应,我们可以通过多少方式进行更改?硬币的顺序无关紧要。
例如,对于N = 4和S = {1,2,3},有四个解:{1,1,1,1},{1,1,2},{2,2}, {1,3}。因此输出应为4.对于N = 10且S = {2,5,3,6},有五种解决方案:{2,2,2,2,2},{2,2,3,3}, {2,2,6},{2,3,5}和{5,5}。所以输出应该是5。“
此问题还有另一种变化,即解决方案是满足金额的最小硬币数量。
这些问题看起来非常相似,但解决方案非常不同。
进行更改的可能方式:最佳子结构为 DP(m,n)= DP(m-1,n)+ DP(m,n-Sm)其中DP是所有硬币直到第m个硬币的解决方案的数量,金额= n。
最小硬币数量:这是最佳的子结构 DP [i] = Min {DP [i-d1],DP [i-d2],... DP [i-dn]} + 1 其中i是总量,d1 .. dn代表每个硬币面额。
为什么第一个需要2-D阵列而第二个需要1-D阵列?为什么改变方式的最佳子结构不是“ DP [i] = DP [i-d1] + DP [i-d2] + ... DP [i-dn] “其中DP [i]是我可以通过硬币获得金额的方式。这对我来说听起来很合乎逻辑,但却产生了错误的答案。为什么这个问题需要硬币的第二个维度,但在最小量问题中不需要?
问题的链接:
http://comproguide.blogspot.com/2013/12/minimum-coin-change-problem.html http://www.geeksforgeeks.org/dynamic-programming-set-7-coin-change/
提前致谢。我去的每个网站只解释解决方案的工作原理,而不是其他解决方案不起作用的原因。
答案 0 :(得分:5)
现在谈谈你的第二个问题,你说最少的面额可以 通过 DP [i] = Min {DP [i-d1],DP [i-d2],... DP [i-dn]} + 1 找到。这是正确的,因为在寻找最小面额时,订单或没有订单无关紧要。为什么这是线性/ 1-D DP,尽管DP阵列是1-D,但每个状态依赖于最多m个状态,这与第一个解决方案不同,其中阵列是2-D但每个状态最多取决于2个状态。因此,在两种情况下,运行时间(状态数*每个状态所依赖的状态数)与 O(nm)相同。所以两者都是正确的,只是你的第二个解决方案可以节因此,您可以通过1-D数组方法或2-D通过使用重复来找到它 的 DP(N,M)= MIN(DP(M-1,N),1个+ DP(M,N-SM))即可。 (只需在第一次复发时使用min)
希望我清除了疑虑,如果还有不清楚的话,请发帖。
答案 1 :(得分:0)
This是使用动态编程解决硬币变化问题的一个非常好的解释。
代码如下:
public static int change(int amount, int[] coins){
int[] combinations = new int[amount + 1];
combinations[0] = 1;
for(int coin : coins){
for(int i = 1; i < combinations.length; i++){
if(i >= coin){
combinations[i] += combinations[i - coin];
//printAmount(combinations);
}
}
//System.out.println();
}
return combinations[amount];
}