了解如何使用Python中的回忆有效地解决“硬币变化问题”,并有明确的解释和实际示例。 --- This video is based on the question https://stackoverflow.com/q/63992253/ asked by the user 'shubhamprashar' ( https://stackoverflow.com/u/14304456/ ) and on the answer https://stackoverflow.com/a/63993950/ provided by the user 'Stef' ( https://stackoverflow.com/u/3080723/)在“堆栈溢出”网站上。感谢这些出色的用户和Stackexchange社区的贡献。请访问这些链接以获取原始内容和更多详细信息,例如替代解决方案,有关主题,评论,修订历史的最新更新/开发。 4.0'(https://creativecommons.org/licenses/by-sa/4.0/)许可证和原始答案帖子在“ CC BY-SA 4.0'(https://creativecommons.org/licenses/by-sa/4.0/)下。如果您似乎有什么事,请随时用vlogize [at] gmail [dot] com写信给我。 ---使用回忆解决硬币变更问题的硬币变更问题是一个经常出现的经典挑战,例如编码访谈,例如亚马逊进行的访谈。从本质上讲,问题要求您使用指定的硬币派别确定弥补给定目标量所需的最小硬币数量。这个问题可能会变得复杂,尤其是当您试图找到最有效的解决方案时。在这篇文章中,我们将使用记忆探索一种有效的方法解决此问题的方法,这是一种帮助我们避免冗余计算的技术。问题陈述给出了目标数量和硬币派别列表,您需要找到实现该目标所需的最小硬币数量。例如,如果您的目标是74,并且您拥有面额1、5、10和25的硬币,则您想发现可以组合的最少的硬币以达到总金额。纪念解决方案使用回忆解决硬币变化问题的喜悦在于其效率。标准递归方法可能会导致广泛的重计,这可以减慢您的程序。以下是我们的问题采用回忆的功能:[[请参阅视频以显示此文本或代码代码段]]设置参数以成功运行此功能,首先需要初始化参数:目标金额:目标金额:您想要达到的数量,例如74。COIN。币面额:硬币清单,例如[1,5,5,5,5,10,25]。已知结果:初始化为零的阵列,该阵列先前计算出的结果。这对于记忆的工作至关重要。您将如何调用该函数:[[请参阅视频以显示此文本或代码代码段]]为什么要用零来初始化nowne_results?您可能想知道为什么我们以长度为目标 + 1的零初始化已知_RESULTS。为什么不从一个空列表开始?当算法尝试访问不存在的索引时,使用空列表将导致错误:使用已知_RESULTS = [],您无法从0到目标访问任何索引。例如,尝试a [3] = 1会抛出indexError。使用nower_results = [0] *(目标 + 1),您正在创建一个预先定义所需大小的列表。这样可以确保所有索引均可访问,从而避免运行时错误和处理结果中不必要的复杂性。结论以适当尺寸的nower_result阵列开始,不仅可以防止错误,而且可以增强您的算法性能。通过缓存结果,利用回忆进行硬币变化问题有效地减少了计算时间,从而可以在需要时快速访问。总而言之,回忆简化了硬币变更问题的编码和执行方面,使其成为实现所需解决方案的高效方法。愉快的编码!