（动态规划）322.零钱兑换

题目

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。

示例 1：
输入：coins = [1, 2, 5], amount = 11
输出：3
解释：11 = 5 + 5 + 1

示例 2：
输入：coins = [2], amount = 3
输出：-1

示例 3：
输入：coins = [1], amount = 0
输出：0

提示：
1 <= coins.length <= 12
1 <= coins[i] <= 231 - 1
0 <= amount <= 104

思路

首先，可以看一个动态规划非常典型的问题：70.爬楼梯

动态规划其实就是分解问题、记录子问题避免穷举所有的情况

首先，我们需要找到状态变量：

• 组成金额 i 所需最少的硬币数量：dp(i)
• 假设在计算 dp(i) 之前，我们已经计算出 dp(0)到dp(i−1) 的答案

其次，便是构建状态转移方程：根据子问题之间的关系，建立递推公式（关键步骤）。

• 定义变量：
  • i（金额）
  • j（代表的是第 j 枚硬币的面值，可以先假设这第 j 枚 是最后的那一个硬币的面额，所以可以看做是所有提供的面额）
• dp[i - j] 便表示剩余金额的最优解，然后 +1 将当前硬币的消耗纳入总计数

  • dp(i) 为前面能转移过来的状态的最小值加上枚举的硬币数量 1

  • 加1的操作是为了，将当前的硬币计入，也就是对硬币数量的做累计

    比如 ：coins = [1, 2, 5], amount = 11
    dp(1)=min(dp(1−1) +1, dp(1−2)+1, dp(1−5)+1) 加1说明当前是一次计数
    dp(2)=min(dp(2−1) +1 ,dp(2−2)+1, dp(2−5) +1) 加1说明是在之前的基础上做累计

    每次拿硬币的操作必须被明确计数。想象拿硬币就像往钱包里放实体硬币：

    • 每次放硬币的动作 必须被计数，否则最终你会不知道用了多少枚；
    • 动态规划里的 +1，就是手动记录你放硬币的动作

• dp(i) 等于 dp(0)+1、dp(1)+1、...、dp(i-1)+1的最小值

然后，初始化边界条件：明确初始值等

• 当 i==0 时无法用硬币组成，为 0 。
• 当 i<0 时，忽略 dp(i)
• 初始化值： dp = [0, ∞, ∞, ∞, ∞, ∞] （∞ 用 amount+1表示）

  数组中有元素的值如果大于amount+1，则说明当前获取的值是非法组合（因为初始化时，默认除了第一个元素的值是0，剩下的都按最大的组合去计算，也就是amount+1）

• 没有找到组合的情况：如果 dp[amount] 仍然大于等于 amount + 1，说明无法凑成该金额，返回 -1

  通过上面的+1操作可以知道

最后，确定计算顺序，从上面的分析可以发现，我们应该使用 自底向上（迭代） 去填充每一个值

算法

class Solution {
    public int coinChange(int[] coins, int amount) {
        int[] dp = new int[amount+1];
        for(int i = 0; i < amount + 1; ++i) {
            dp[i] = amount + 1;
        }
        
        dp[0] = 0;
        for (int i=1; i<=amount; i++) {
            for (int j : coins) {
                if (i >= j) {
                    dp[i] = Math.min(dp[i], dp[i-j]  + 1);
                }
            }
        }
        int res = dp[amount] > amount  ? -1 : dp[amount] ;
        return res;
    }
}