动态规划：322. 零钱兑换（完整思路过程）

题目

322. 零钱兑换

给你一个整数数组 coins，表示不同面额的硬币；以及一个整数 amount ，表示总金额。
计算并返回可以凑成总金额所需的 最少的硬币个数 。如果没有任何一种硬币组合能组成总金额，返回 -1 。
你可以认为每种硬币的数量是无限的。
来源：力扣（LeetCode）

题目特征：

不同面额的数组：int[] coins；总金额：int amount
不同面额的硬币数量是无限的。

思路：动态规划

定义：dp[i]：凑成总金额 i 需要的最少硬币数
状态转移方程：

dp[i] = min (dp[i-c]) + 1  // `c` in the array `coins`

代码 1.0（Java）

public int coinChange(int[] coins, int amount) {if (amount == 0) return 0;int[] dp = new int[amount + 1];  // `dp[amount]` is validArrays.fill(dp, -1);  // 初识状态：（对应题干）没有任何一种硬币组合能组成总金额 i，则为`-1`dp[0] = 0;/** * 这步是为了后面 dp[i] = min + 1; 也能够处理 i == c 的情况。* 其实，删除这步也可以，在 for循环 中分开考虑：if (i - c == 0) dp[i] = 1;if (i - c > 0) ...*/for (int i = 1; i <= amount; i++) {  // i 直接从 1 开始 是因为 amount == 0 的情况在最开始已经考虑过了int min = Integer.MAX_VALUE;for (int c : coins) {if (i - c >= 0 && dp[i - c] != -1) min = Math.min(min, dp[i - c]);// else dp[i] 保持 -1，因为i < c <=> 总金额 i < 已有的硬币额 c）}if (min != Integer.MAX_VALUE) dp[i] = min + 1;}return dp[amount];
}

代码 1.0 主体的 for 循环：

非常好地体现了 dp[i] = min (dp[i-c]) + 1：先在 dp[i-c] 中找到最小值，然后让 dp[i] = min + 1。

其实：

dp[i] = min (dp[i - c]) + 1 = min (dp[i-c] + 1)

所以我们可以省去变量 min：

for (int i = 1; i <= amount; i++) {int dp[i] = Integer.MAX_VALUE;for (int c : coins) {if (i - c >= 0 && dp[i - c] != -1) dp[i] = Math.min(dp[i], dp[i - c] + 1);  // `i-c > -1` => `dp[i-c]` is valid}if (dp[i] != Integer.MAX_VALUE) dp[i] = -1;
}

发现这样写代码过于繁琐：

因为需要找出最小值，所以最开始要给 min 或者 dp[i] 赋上最大值；
在找最小值时，dp[i-c] = -1 的项是不能参与的：dp[i-c] = -1 表示没有任何一种硬币组合能组成总金额 i-c，自然也就不能通过 (i-c) + c 的方式凑出 i 了；
最后，需要判断 min 或 dp[i] 的情况。

如果 数组 dp 的每个元素的初值设为最大值 Integer.MAX_VALUE 可以很好的简化代码：

代码 2.0：

public int coinChange(int[] coins, int amount) {if (amount == 0) return 0;int[] dp = new int[amount+1];Arrays.fill(dp, Integer.MAX_VALUE);dp[0] = 0;for (int i = 1; i<=amount; i++) {for (int c : coins) {if (i-c >= 0) dp[i] = Math.min(dp[i], dp[i-c] + 1);//else dp[i] 保持最大值不变}}return dp[amount] == amount+1 ? -1 : dp[amount];
}

如果不想记忆 dp[0] = 0;，可以像 1.0代码中注释中说的那样：在循环中将 if (i - c == 0) dp[i] = 1; 单独考虑：

 ...// dp[0] = 0;for (int i = 1; i <= amount; i++) {for (int c : coins) {if (i - c == 0) dp[i] = 1; // 补上。这样也更好理解。if (i - c > 0) dp[i] = Math.min(dp[i], dp[i-c] + 1);}}...

当然，最大值不一定非要暴力地设成 Integer.MAX_VALUE，最大值也可以是：amount + 1：

因为：coins[i] >= 1，所以：最多需要 amount 个硬币。

由于 amount + 1在代码中出现频率较高（如：int[] dp = new int[amount+1];，i <= amount 其实可以写成 i < amount + 1），所以在 LeetCode官方题解中，用变量 max 将 amount + 1 存起来了，所以代码还可以写成：

public int coinChange(int[] coins, int amount) {int max = amount + 1;int[] dp = new int[max];Arrays.fill(dp, max);dp[0] = 0;for (int i = 1; i < max; i++) {for (int c : coins) {if (i-c >= 0) dp[i] = Math.min(dp[i], dp[i-c] + 1);}}return dp[amount] == max ? -1 : dp[amount];
}

最后，因为本题中 for 循环的顺序对结果没有影响，所以可以将 内外层循环交换位置并设置 i 的起始值 以减少对一些情况的判断（原循环中，当 i 小于最小的硬币额度时，内层循环没有必要再一一遍历硬币额度了）：

public int coinChange(int[] coins, int amount) {int max = amount + 1;int[] dp = new int[max];Arrays.fill(dp, max);dp[0] = 0;for (int c : coins) {for (int i = c; i < max; i++) {if (i-c >= 0) dp[i] = Math.min(dp[i], dp[i-c] + 1);}}return dp[amount] == max ? -1 : dp[amount];
}

总结

将数组 dp 元素的初值赋上最大值，在最后判断 dp[amount] == max；
记住 dp[0] = 0。记不住的话在 for 循环里单独考虑 if (i == c) dp[i] = 1;