动态规划解决零钱兑换问题：LeetCode 322详解-代码聚汇网

动态规划解决零钱兑换问题：LeetCode 322详解

东予薏米

1. 问题背景与核心挑战

零钱兑换问题是算法领域中经典的动态规划应用题，也是LeetCode上高频出现的面试题型（编号322）。该问题的基本描述是：给定不同面额的硬币和一个总金额，计算凑成该金额所需的最少硬币数量。如果没有任何一种硬币组合能组成该金额，则返回-1。

举个例子，假设硬币面额为[1, 2, 5]，总金额为11，那么最优解是3（5+5+1）。这个问题看似简单，但实际涉及多个关键算法思维：

贪心算法的局限性（例如面额为[1, 3, 4]时，总金额6用贪心得到4+1+1并非最优解3+3）
动态规划的状态转移方程构建
边界条件处理（如金额为0或无法兑换的情况）

2. 动态规划解法详解

2.1 基础DP思路

最直接的动态规划解法是创建一个长度为amount+1的数组dp，其中dp[i]表示凑成金额i所需的最少硬币数。初始化时，dp[0]=0（金额为0时不需要硬币），其他位置初始化为一个极大值（如amount+1）。

状态转移方程为：

code复制dp[i] = min(dp[i], dp[i - coin] + 1) 对于所有coin in coins

具体实现步骤：

初始化dp数组
遍历1到amount的每个金额
对于每个金额，遍历所有硬币面额
如果当前硬币面额小于等于当前金额，则更新dp值
最后检查dp[amount]是否被更新过

python复制def coinChange(coins, amount):
    dp = [amount + 1] * (amount + 1)
    dp[0] = 0
    for i in range(1, amount + 1):
        for coin in coins:
            if coin <= i:
                dp[i] = min(dp[i], dp[i - coin] + 1)
    return dp[amount] if dp[amount] <= amount else -1

2.2 时间复杂度优化

上述解法的时间复杂度是O(amount * n)，其中n是硬币种类数。在实际面试中，可以讨论以下优化方向：

提前对coins排序，当coin > i时可以提前终止内层循环
使用备忘录法的递归实现（虽然时间复杂度相同，但可能更直观）
对于特定面额组合的数学解法（如全是倍数关系时可用贪心）

3. 边界条件与特殊测试用例

3.1 必须考虑的边界情况

金额为0时应返回0
无法兑换的情况（如coins=[2], amount=3）
包含面额1的硬币时一定有解（但可能不是最优）
超大金额时的性能问题（需注意题目约束）

3.2 典型测试用例示例

python复制测试用例1：
输入：coins = [1, 2, 5], amount = 11
输出：3 (5+5+1)

测试用例2：
输入：coins = [2], amount = 3 
输出：-1

测试用例3：
输入：coins = [1], amount = 0
输出：0

测试用例4：
输入：coins = [186, 419, 83, 408], amount = 6249
输出：20

4. 算法扩展与变种问题

4.1 计算兑换方式总数（LeetCode 518）

类似问题但要求计算所有可能的组合方式数。此时状态转移方程变为：

code复制dp[i] += dp[i - coin]

需要特别注意初始化方式（dp[0]=1）和遍历顺序（先coin后amount以避免重复计算）

4.2 最少硬币数的具体组合

如果需要输出具体的硬币组合而不仅是数量，可以额外维护一个记录最后使用的硬币的数组：

python复制def coinChangeWithCombination(coins, amount):
    dp = [amount + 1] * (amount + 1)
    last_coin = [-1] * (amount + 1)
    dp[0] = 0
    for i in range(1, amount + 1):
        for coin in coins:
            if coin <= i and dp[i] > dp[i - coin] + 1:
                dp[i] = dp[i - coin] + 1
                last_coin[i] = coin
    if dp[amount] > amount:
        return -1, []
    # 回溯组合
    res = []
    remaining = amount
    while remaining > 0:
        res.append(last_coin[remaining])
        remaining -= last_coin[remaining]
    return dp[amount], sorted(res, reverse=True)

5. 面试实战技巧

5.1 白板编码时的注意事项

先明确问题要求（最少数量还是所有组合）
讨论输入范围（硬币面额是否包含负数或0）
从暴力解法开始，逐步优化到DP
手写测试用例验证边界条件
解释时间/空间复杂度时要具体

5.2 常见follow-up问题

如果硬币数量无限vs有限（背包问题变种）
如何处理浮点金额（转换为整数处理）
内存优化（滚动数组）
并行计算可能性（分段处理）

关键提示：在面试中，即使知道最优解，也应该展示思考过程。可以先提出贪心解法，证明其不适用性，再过渡到动态规划方案。