
“有限硬币组合求和”问题要求我们判断,给定一组面额各异的硬币(每种硬币只能使用一次),能否凑成一个特定的目标总和。例如,给定硬币 {1, 5, 16} 和目标金额 6,我们可以用 1 + 5 凑成,因此结果为真。如果目标金额是 8,则无法凑成,结果应为假。这是一个典型的子集和问题变种,通常可以通过递归或动态规划解决。
在尝试解决此类问题时,初学者常会采用一种直观的递归思路:遍历所有硬币,对于当前硬币,如果目标金额大于或等于它,就尝试将其包含在内,然后递归处理剩余硬币和减去当前硬币后的目标金额。
然而,在这种实现中,存在两个常见的陷阱:
考虑以下原始代码片段中的错误示例:
// 错误示例:数组复制逻辑有误
for (int i = 0; i < coins.length && (!ans); i++) {
if (goal >= coins[i]) {
int[] red = new int[coins.length - 1];
int it = 0;
for(int x = 0; x < coins.length; x++){
if(!(i == x)){
// 错误:应该复制 coins[x],而不是 coins[i]
red[it] = coins[i]; // 此处应为 red[it] = coins[x];
it += 1;
}
}
ans = go(red, goal - coins[i]);
}
}这个错误会导致新数组 red 中填充的都是被跳过的 coins[i] 的值,而不是原始数组中其他硬币的值,从而产生不正确的结果。
解决此类问题的更优雅且高效的递归方法是采用“包含或排除”策略。对于当前考虑的硬币(通常是数组的第一个元素),我们有两种选择:
只要这两种情况中的任何一种能够成功凑成目标金额,那么总和就是可达的。这种方法避免了复杂的循环和手动数组复制,而是通过递归参数的巧妙设计来处理子问题。
核心思想:
这种方法的优势在于:
以下是采用“包含或排除”策略的优化递归实现:
import java.util.Arrays; // 引入 Arrays 类用于数组操作
public class FiniteCoinsSum {
/**
* 判断给定一组硬币(每枚硬币只能使用一次)能否凑成目标金额。
*
* @param coins 硬币面额数组。
* @param goal 目标金额。
* @return 如果能凑成目标金额,返回 true;否则返回 false。
*/
public static boolean canMakeSum(int[] coins, int goal) {
// 基本情况 1: 如果目标金额为0,说明已经成功凑成。
if (goal == 0) {
return true;
}
// 基本情况 2:
// 如果硬币列表为空(没有硬币可用),或者目标金额小于0(超出了目标),
// 则无法凑成。
if (coins.length == 0 || goal < 0) {
return false;
}
// 递归步骤:
// 1. 获取当前硬币(数组的第一个元素)
int currentCoin = coins[0];
// 2. 创建一个新数组,包含除当前硬币之外的所有硬币
int[] remainingCoins = Arrays.copyOfRange(coins, 1, coins.length);
// 3. 两种可能性:
// a) 不使用当前硬币:递归调用 canMakeSum(remainingCoins, goal)
// b) 使用当前硬币:递归调用 canMakeSum(remainingCoins, goal - currentCoin)
// 只要其中一种情况能凑成目标,就返回 true。
return canMakeSum(remainingCoins, goal) || canMakeSum(remainingCoins, goal - currentCoin);
}
public static void main(String[] args) {
// 测试案例
int[] coins1 = {1, 5, 16};
int goal1 = 6; // 1 + 5 = 6
System.out.println("Coins: " + Arrays.toString(coins1) + ", Goal: " + goal1 + " -> " + canMakeSum(coins1, goal1)); // 预期: true
int[] coins2 = {111, 1, 2, 3, 9, 11, 20, 30};
int goal2 = 8; // 无法凑成 8
System.out.println("Coins: " + Arrays.toString(coins2) + ", Goal: " + goal2 + " -> " + canMakeSum(coins2, goal2)); // 预期: false
int[] coins3 = {2, 3, 5};
int goal3 = 7; // 2 + 5 = 7
System.out.println("Coins: " + Arrays.toString(coins3) + ", Goal: " + goal3 + " -> " + canMakeSum(coins3, goal3)); // 预期: true
int[] coins4 = {10, 20, 30};
int goal4 = 5; // 无法凑成
System.out.println("Coins: " + Arrays.toString(coins4) + ", Goal: " + goal4 + " -> " + canMakeSum(coins4, goal4)); // 预期: false
int[] coins5 = {1, 2, 3};
int goal5 = 0; // 目标为0,直接返回true
System.out.println("Coins: " + Arrays.toString(coins5) + ", Goal: " + goal5 + " -> " + canMakeSum(coins5, goal5)); // 预期: true
}
}通过采用这种优化的递归策略,我们不仅修复了原始代码中的数组复制错误,还显著提升了代码的清晰度和可维护性,为解决有限硬币组合求和问题提供了一个高效且易于理解的递归解决方案。
以上就是递归解决有限硬币组合求和问题:优化与常见陷阱的详细内容,更多请关注php中文网其它相关文章!
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号