动态规划在货币系统简化问题中的应用

虎猛

1. 货币系统简化问题的深度解析

在算法竞赛中，货币系统问题是一个经典的动态规划应用场景。这道NOIP提高组题目要求我们找到一个与给定货币系统等价但货币种类最少的简化系统。理解这个问题需要从几个关键点入手：

首先，两个货币系统等价的定义是它们能够表示的金额集合完全相同。这意味着我们需要找到一个最小的货币子集，使得这个子集能够表示原系统中所有可表示的金额，且不能表示原系统中不能表示的金额。

举个例子，对于货币系统[2,5,9]，金额1和3无法被表示，而简化后的系统[2,5]仍然无法表示1和3，但可以表示原系统能表示的所有金额（如2,4=2+2,5,7=2+5等），因此[2,5]就是一个有效的简化系统。

2. 解题思路与算法选择

2.1 关键观察

解决这个问题的关键在于认识到：如果一个货币的面额可以被系统中其他更小的面额组合表示出来，那么这个面额就是冗余的，可以从系统中移除。

具体来说，我们需要：

将所有货币面额按升序排序
对于每个面额，检查它是否可以被前面更小的面额组合表示
如果可以表示，则这个面额是冗余的；否则必须保留

2.2 动态规划的应用

这个问题非常适合用动态规划来解决。我们可以定义一个布尔数组f，其中f[i]表示金额i能否被当前考虑的货币系统表示。初始化时f[0]=true（金额0总是可以被表示）。

算法步骤如下：

对原始货币面额数组a进行排序
初始化动态规划数组f，大小为最大面额+1
遍历每个面额a[i]：
- 如果f[a[i]]为true，说明a[i]可以被前面的面额组合表示，可以删除
- 否则，将a[i]加入简化系统，并更新f数组

3. 代码实现详解

让我们仔细分析提供的C++实现代码：

cpp复制#include<stdio.h>
#include<algorithm>
#include<string.h>
using namespace std;
#define MAXAI 25005
#define MAXN 105

int f[MAXAI];
int a[MAXN];

int main() {
    int i,j,n,T,ans;
    scanf("%d",&T);
    while(T--) {
        memset(f,0,sizeof(f));
        scanf("%d",&n); ans=n;
        for(i=1;i<=n;i++) scanf("%d",&a[i]);
        sort(a+1,a+n+1);
        f[0]=1;
        for(i=1;i<=n;i++) {
            if(f[a[i]]) {
                ans--;
                continue;
            }
            for(j=a[i];j<=a[n];j++) {
                f[j]=f[j]|f[j-a[i]];
            }
        }
        printf("%d\n",ans);
    }
    return 0;
}

3.1 代码结构解析

预处理指令：
- 定义了MAXAI和MAXN常量，分别表示最大金额和最大货币种类数
- 包含了必要的头文件：stdio.h(输入输出)、algorithm(排序)、string.h(memset)
全局变量：
- f数组：用于动态规划，记录每个金额能否被表示
- a数组：存储输入的货币面额
主函数逻辑：
- 读取测试用例数量T
- 对每个测试用例：
  - 初始化f数组为0
  - 读取货币种类数n，初始化ans为n（假设最初所有面额都需要保留）
  - 读取并排序货币面额
  - 设置f[0]=1（金额0总是可表示）
  - 遍历每个面额：
    - 如果当前面额已经被前面的面额组合表示，则减少ans计数
    - 否则，更新f数组，标记所有能通过当前面额组合表示的金额

3.2 关键算法细节

动态规划的核心在于f数组的更新：

cpp复制for(j=a[i];j<=a[n];j++) {
    f[j]=f[j]|f[j-a[i]];
}

这段代码实现了完全背包问题的解法。对于每个金额j，如果j-a[i]可以被表示，那么j也可以被表示（通过加一张a[i]货币）。

注意：这里使用a[n]作为上限是因为更大的金额不会影响我们的判断，我们只需要考虑不超过最大面额的金额能否被表示。

4. 算法复杂度分析

让我们分析这个算法的时间和空间复杂度：

时间复杂度：
- 排序：O(n log n)
- 动态规划：对于每个面额a[i]，需要遍历从a[i]到a[n]的所有金额
- 最坏情况下，时间复杂度为O(n*max_a)，其中max_a是最大面额
- 根据题目约束，n≤100，max_a≤25000，因此总时间在可接受范围内
空间复杂度：
- 主要空间消耗来自f数组，大小为MAXAI=25005
- 这是一个固定大小的数组，空间复杂度为O(max_a)

5. 实际应用中的优化与注意事项

5.1 可能的优化方向

输入优化：
- 对于大规模输入，可以考虑使用更快的输入方法，如快速读取
空间优化：
- 可以使用bitset代替int数组来减少空间使用
- 由于f数组只需要0/1值，每个元素可以用1位而不是4字节存储
提前终止：
- 如果在处理某个面额时发现ans已经不可能再减少，可以提前结束处理

5.2 常见错误与调试技巧

边界条件处理：
- 确保处理n=1的特殊情况
- 注意货币面额都是正整数的约束
初始化问题：
- 每次测试用例开始前必须重置f数组
- 必须设置f[0]=1，这是动态规划的基础
排序的重要性：
- 如果没有先排序，算法将无法正确判断哪些面额可以被前面的面额组合表示

提示：在竞赛中，建议使用更明显的变量名，如用canRepresent代替f，提高代码可读性

6. 扩展思考与相关问题

6.1 问题变种

有限货币数量：
- 如果每种货币的数量有限（不是无限），问题将变为多重背包问题
最小面额系统：
- 不仅要求种类最少，还要求面额总和最小
最大不可表示金额：
- 找出不能用给定货币系统表示的最大金额（硬币问题）

6.2 相关算法题目

完全背包问题：
- 与货币系统问题密切相关，都是物品无限取用的情况
找零钱问题：
- 给定金额和货币系统，求最少需要多少张货币
子集和问题：
- 判断是否存在子集的和等于目标值

7. 竞赛中的实战建议

理解问题本质：
- 在竞赛中遇到类似问题时，首先要理解题目要求的本质
- 明确"等价货币系统"的定义和简化目标
选择合适算法：
- 识别出这是动态规划问题，特别是完全背包的变种
- 考虑如何将问题转化为已知的算法模型
测试用例设计：
- 设计边缘测试用例，如n=1，或所有面额都是倍数关系的情况
- 验证算法在这些特殊情况下的正确性
时间管理：
- 根据题目给出的数据范围评估算法可行性
- 确保在时间限制内能够完成计算

在实际编程竞赛中，这类问题往往考察选手对动态规划的理解和应用能力。通过这道题目的练习，可以加深对完全背包问题及其变种的理解，为处理更复杂的动态规划问题打下基础。

8. 代码实现的改进建议

虽然给出的代码已经能够正确解决问题，但从工程和竞赛角度，还可以做以下改进：

使用更现代的C++特性：

cpp复制#include <bits/stdc++.h>
using namespace std;

constexpr int MAXAI = 25005;
constexpr int MAXN = 105;

int main() {
    ios::sync_with_stdio(false);
    cin.tie(nullptr);
    
    int T;
    cin >> T;
    while (T--) {
        int n;
        cin >> n;
        vector<int> a(n);
        for (auto& x : a) cin >> x;
        sort(a.begin(), a.end());
        
        bitset<MAXAI> f;
        f[0] = true;
        int ans = 0;
        
        for (auto x : a) {
            if (!f[x]) {
                ans++;
                for (int j = x; j <= a.back(); j++) {
                    f[j] = f[j] | f[j - x];
                }
            }
        }
        cout << ans << '\n';
    }
    return 0;
}