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。

这是经典的 动态规划(Dynamic Programming) 问题,称为 “零钱兑换”(Coin Change)。

🔍 问题分析

  • 给定硬币面额数组 coins 和目标金额 amount
  • 每种硬币可以无限使用
  • 要求:凑出 amount 所需的 最少硬币数
  • 若无法凑出,返回 -1

✅ 解题思路:动态规划

我们定义一个数组 dp,其中:

  • dp[i] 表示凑出金额 i 所需的最少硬币数
  • 初始时,dp[0] = 0(凑 0 元需要 0 个硬币)
  • 其他位置初始化为 amount + 1(或 Integer.MAX_VALUE),表示暂时不可达

状态转移方程:

dp[i] = min(dp[i], dp[i - coin] + 1)   // 对每个 coin ∈ coins,且 coin ≤ i

最后,如果 dp[amount] > amount,说明无法凑出,返回 -1;否则返回 dp[amount]

💡 Java 实现

public class Solution {
    public int coinChange(int[] coins, int amount) {
        if (amount == 0) return 0;
        
        int[] dp = new int[amount + 1];
        // 初始化为 amount + 1(代表无穷大,因为最多用 amount 个 1 元硬币)
        Arrays.fill(dp, amount + 1);
        dp[0] = 0;

        for (int i = 1; i <= amount; i++) {
            for (int coin : coins) {
                if (coin <= i) {
                    dp[i] = Math.min(dp[i], dp[i - coin] + 1);
                }
            }
        }

        return dp[amount] > amount ? -1 : dp[amount];
    }
}

⏱️ 时间 & 空间复杂度

  • 时间复杂度:O(amount × coins.length)
  • 空间复杂度:O(amount)

本站简介

聚焦于全栈技术和量化技术的技术博客,分享软件架构、前后端技术、量化技术、人工智能、大模型等相关文章总结。