硬币的面值组合个数
来源:互联网 发布:黑暗之魂3帕奇捏脸数据 编辑:程序博客网 时间:2024/04/29 03:56
http://www.cnblogs.com/python27/archive/2013/09/05/3303721.html
假设我们有8种不同面值的硬币{1,2,5,10,20,50,100,200},用这些硬币组合够成一个给定的数值n。例如n=200,那么一种可能的组合方式为 200 = 3 * 1 + 1*2 + 1*5 + 2*20 + 1 * 50 + 1 * 100. 问总过有多少种可能的组合方式? (这道题目来自著名编程网站ProjectEuler, 点击这里查看原题目) 类似的题目还有:
[华为面试题] 1分2分5分的硬币三种,组合成1角,共有多少种组合
[创新工厂笔试题] 有1分,2分,5分,10分四种硬币,每种硬币数量无限,给定n分钱,有多少中组合可以组成n分钱
问题分析
给定一个数值sum,假设我们有m种不同类型的硬币{V1, V2, ..., Vm},如果要组合成sum,那么我们有
sum = x1 * V1 + x2 * V2 + ... + xm * Vm
求所有可能的组合数,就是求满足前面等值的系数{x1, x2, ..., xm}的所有可能个数。
[思路1] 当然我们可以采用暴力枚举,各个系数可能的取值无非是x1 = {0, 1, ..., sum / V1}, x2 = {0, 1, ..., sum/ V2}等等。这对于硬币种类数较小的题目还是可以应付的,比如华为和创新工厂的题目,但是复杂度也很高O(sum/V1 * sum/V2 * sum/V3 * ...)
[思路2] 从上面的分析中我们也可以这么考虑,我们希望用m种硬币构成sum,根据最后一个硬币Vm的系数的取值为无非有这么几种情况,xm分别取{0, 1, 2, ..., sum/Vm},换句话说,上面分析中的等式和下面的几个等式的联合是等价的。
sum = x1 * V1 + x2 * V2 + ... + 0 * Vm
sum = x1 * V1 + x2 * V2 + ... + 1 * Vm
sum = x1 * V1 + x2 * V2 + ... + 2 * Vm
...
sum = x1 * V1 + x2 * V2 + ... + K * Vm
其中K是该xm能取的最大数值K = sum / Vm。可是这又有什么用呢?不要急,我们先进行如下变量的定义:
dp[i][sum] = 用前i种硬币构成sum 的所有组合数。
那么题目的问题实际上就是求dp[m][sum],即用前m种硬币(所有硬币)构成sum的所有组合数。在上面的联合等式中:当xn=0时,有多少种组合呢? 实际上就是前i-1种硬币组合sum,有dp[i-1][sum]种! xn = 1 时呢,有多少种组合? 实际上是用前i-1种硬币组合成(sum - Vm)的组合数,有dp[i-1][sum -Vm]种; xn =2呢, dp[i-1][sum - 2 * Vm]种,等等。所有的这些情况加起来就是我们的dp[i][sum]。所以:
dp[i][sum] = dp[i-1][sum - 0*Vm] + dp[i-1][sum - 1*Vm]
+ dp[i-1][sum - 2*Vm] + ... + dp[i-1][sum - K*Vm]; 其中K = sum / Vm
换一种更抽象的数学描述就是:
通过此公式,我们可以看到问题被一步步缩小,那么初始情况是什么呢?如果sum=0,那么无论有前多少种来组合0,只有一种可能,就是各个系数都等于0;
dp[i][0] = 1 // i = 0, 1, 2, ... , m
如果我们用二位数组表示dp[i][sum], 我们发现第i行的值全部依赖与i-1行的值,所以我们可以逐行求解该数组。如果前0种硬币要组成sum,我们规定为dp[0][sum] = 0.
程序源码
通过上面的讨论,我们最终可以写出下面的代码来求解该类问题:
1 /* 2 * Filename :coins.cpp 3 * Description: solve coin combinations using dynamic programing 4 * Complier: g++ 5 * Author: python27 6 */ 7 #include <iostream> 8 #include <string> 9 #include <cmath>10 #include <vector>11 12 using namespace std;13 14 /****************************************************************15 * coin Combinations: using dynamic programming16 *17 * Basic idea:18 * dp[i][j] = sum(dp[i-1][j-k*coins[i-1]]) for k = 1,2,..., j/coins[i-1]19 * dp[0][j] = 1 for j = 0, 1, 2, ..., sum20 * 21 * Input:22 * coins[] - array store all values of the coins23 * coinKinds - how many kinds of coins there are24 * sum - the number you want to construct using coins25 *26 * Output:27 * the number of combinations using coins construct sum28 *29 * Usage:30 * c[3] = {1, 2, 5};31 * int result = coinCombinations(c, 3, 10);32 *33 ****************************************************************/34 int coinCombinations(int coins[], int coinKinds, int sum)35 {36 // 2-D array using vector: is equal to: dp[coinKinds+1][sum+1] = {0};37 vector<vector<int> > dp(coinKinds + 1);38 for (int i = 0; i <= coinKinds; ++i)39 {40 dp[i].resize(sum + 1);41 }42 for (int i = 0; i <= coinKinds; ++i)43 {44 for (int j = 0; j <= sum; ++j)45 {46 dp[i][j] = 0;47 }48 }49 50 //init: dp[i][0] = 1; i = 0, 1, 2 ..., coinKinds51 //Notice: dp[0][0] must be 1, althongh it make no sense that52 //using 0 kinds of coins construct 0 has one way. but it the foundation53 //of iteration. without it everything based on it goes wrong54 for (int i = 0; i <= coinKinds; ++i)55 {56 dp[i][0] = 1;57 }58 59 // iteration: dp[i][j] = sum(dp[i-1][j - k*coins[i-1]])60 // k = 0, 1, 2, ... , j / coins[i-1]61 for (int i = 1; i <= coinKinds; ++i)62 {63 for (int j = 1; j <= sum; ++j)64 {65 dp[i][j] = 0;66 for (int k = 0; k <= j / coins[i-1]; ++k)67 {68 dp[i][j] += dp[i-1][j - k * coins[i-1]];69 }70 }71 }72 73 return dp[coinKinds][sum];74 }75 76 int main()77 {78 int coins[8] = {1, 2, 5, 10, 20, 50, 100, 200};79 int sum = 200;80 int result = coinCombinations(coins, 8, 200);81 cout << "using 8 kinds of coins construct 200, combinations are: " << endl;82 cout << result << endl;83 return 0;84 }
聪明的读者或许已经发现,在算法的描述中说明用动态规划的方法来求解此问题,什么?动态规划,我们什么时候用动态规划了?哈哈,在我们写出递归公式并且给出初始解的时候,我们就已经在用动态规划了。
动态规划的基本思想就是将待求解问题分解为若干子问题,(如本题中我们将dp[i][j]分解为若干dp[i-1][j-x]的问题),先求解这些子问题并将结果保存起来( 我们用dp[][]二维数组保存子结果),若在求解较大的问题时用到较小子问题的结果,可以直接取用(求dp[i][j]时用dp[i-1][x]的结果),从而免去重复计算。动态规划是一种非常强大的算法思想,无论做过多少动态规划的题目,下一次依然会被动态规划的强大所震撼。随后的博客中,我们会更多的接触动态规划。你可以在后面的参考文献中找到更多有用的资源。
- 硬币的面值组合个数
- 硬币面值组合的算法题解
- 硬币面值组合问题
- 硬币面值组合(上台阶)
- 2.1 7621硬币面值组合
- 【动态规划】硬币面值组合(上台阶)
- 【动态规划】最小硬币面值组合
- 【编程之法】硬币面值组合问题
- 动态规划之硬币面值组合问题
- 有100枚硬币,总面值是247元,这些硬币的面值有三种:1元,2元 ,5元,编程输出硬币的组合有多少种?
- 计算最少用到的硬币个数以用每种面值的用数
- 硬币组合问题之最少硬币个数
- 给你不同面值的硬币和总金额target。 写一个函数来计算组成这个数量的组合的数量。
- 硬币面值问题
- 硬币面值方案
- 有多少不同的面值组合
- 有多少不同的面值组合?_1072
- 有多少种不同的面值组合
- 内存泄漏以及常见的解决方法
- https 页面包含非安全传输内容解决方法
- 技术人生:故事之二十六SMS网络警察
- Unity3D中uGUI事件系统简述及使用方法总结
- XGoAjax,统一风格处理项目中的ajax请求
- 硬币的面值组合个数
- 1 - Python 概述和基本知识
- can not move gridview
- maven的pom报错的解决方法
- 差分表
- 2 - Python数学函数、字符串、对象
- [函数] 一个函数指针的问题
- 第12章 线程控制
- 3 - 条件选择语句