SICP 找零钱问题背后的思考

问题见SICP P26

此问题的递归方法很简单，类似于背包的思想。

即金额为amount的现金换成n种硬币的种类数 满足循环不变式：

count_change（amount，n）=count_change（amount，n-1）+count_change(amount-amount_of_first_coin,n)

递归中止条件是：当a=0，结果为1

a<0，结果为0

当n=0 结果也为0

• 将上述规则转换为scheme代码，在Drracket中运行

 1      #lang racket
 2      (define (count-change amount kinds-of-coins)
 3           ( cond ((= amount 0) 1)
 4          ((or (< amount 0) (= kinds-of-coins 0))0)
 5          (else
 6            (+(count-change amount (- kinds-of-coins 1)) (count-change (- amount (some-coin kinds-of-coins)) kinds-of-coins )) ) ) )
 7
 8      (define (some-coin kinds-of-coins)
 9        ( cond ((= kinds-of-coins 1) 1)
10          ((= kinds-of-coins 2) 5)
11          ((= kinds-of-coins 3) 10)
12          ((= kinds-of-coins 4) 25)
13          ((= kinds-of-coins 5) 50)))
14
15 　　(count-change 45 5)

• 上述代码在解决amount=300以上的时候已经十分缓慢了，原因在于这是个递归，并非尾递归（迭代），有大量重复和冗余的计算在其中，但此问题比斐波那契数复杂，因为

斐波那契数的问题，我们容易将其转化为迭代，因为此问题性质很好，每次分支只有2，每个问题直接满足最优自问题性质。但换零钱问题则不然，无法简单的化为尾递归，那么除了将递归转化为迭代外，另一个折衷的优化技巧是动态规划。

思路如下：

零钱coin=[c1,c2,c3……]

【 amount金额的钱币换成 kind_of_coins种零钱的种类数】=【只有一种零钱c1换的种类数】+【用两种零钱c1 c2的种类数】+……

可以看到，【用两种零钱c1 c2的种类数】就是在【只有一种零钱c1换的种类数】的基础上对第二个零钱c2做同样处理

 1  //cpp
 2           #include <iostream>
 3           #include <vector>
 4           using namespace std;
 5
 6           int main ()
 7           {
 8                  int amount = 55;
 9                  const int kind_of_coins = 5 ;
10                  int coin [ kind_of_coins] = { 1 , 5 , 10, 25 , 50 };
11                  vector< int > result ( amount + 1 , 0 );
12                  result [0 ] = 1;
13
14                  for (int i = 0 ; i < kind_of_coins; ++ i ){
15                        int j = coin[ i ];
16                        for (; j <= amount; ++ j )
17                              result [j ] += result[ j - coin [ i]];
18                   }
19
20               cout << result [amount ] << endl;
21               system ("pause" );
22
23           }
24  

改用python：

 1  //cpp
 2           #include <iostream>
 3           #include <vector>
 4           using namespace std;
 5
 6           int main ()
 7           {
 8                  int amount = 55;
 9                  const int kind_of_coins = 5 ;
10                  int coin [ kind_of_coins] = { 1 , 5 , 10, 25 , 50 };
11                  vector< int > result ( amount + 1 , 0 );
12                  result [0 ] = 1;
13
14                  for (int i = 0 ; i < kind_of_coins; ++ i ){
15                        int j = coin[ i ];
16                        for (; j <= amount; ++ j )
17                              result [j ] += result[ j - coin [ i]];
18                   }
19
20               cout << result [amount ] << endl;
21               system ("pause" );
22
23           }

递归和迭代是一个从编程语言入门开始即有的问题，然后会不断重复感觉理解了，又发现新的内容，又感觉理解了的过程。

不论是c++还是python，语法上给出的都是循环结构，而显示的循环结构实质上是尾递归模式，就是迭代的一种刻画，而尾递归要比循环更容易体现迭代的内涵，

但是，这些c 家族的语言都不支持尾递归，所以你写成尾递归，有两种可能：第一种，编译器把它优化为循环；第二种，编译器把它作为普通递归来处理，冗余的计算很多。

因此，我们一般都将递归优化为循环。

容易让我们产生错觉，循环是高效的，而递归是低效的。

让我们看看scheme，lisp的一种方言，语法中支持尾递归来实现迭代，对于斐波那契数生成的两个版本：

#lang racket

递归版本
(define (fibonacci n)
　　(cond( (= n 0) 0)
　　　 　( (= n 1) 1)
　　　　(else (+ (fibonacci (- n 1)) (fibonacci (- n 2))))))

迭代版本

#lang racket
(define (fibonacci n)
　　(fib 0 1 n))
(define (fib first-number second-number n)
　　(if　　 (= n 0)

　　　　first-number
　　　　(fib second-number (+ first-number second-number) (- n 1) )))

容易发现，迭代比递归快的多，因为它没有多余的重复计算，而且更重要的是它每次维护常数空间，而无须先扩展再收缩，并且还要记住运算的轨迹。

而一般的优化方法除了改为迭代，还有人工模拟栈或者动态规划，栈模拟没什么好说的，将递归栈人为构建。

而动态规划呢，其实很简单，就是我们对递归过程不能转化为尾递归即迭代的情况下，人为的记录下子过程的返回值，计算大过程的时候就可以直接范围，缺点在于需要维护一个比较大的空间，是典型的空间换时间，不过这是值得的，存储一定程度上的廉价的，而时间效率更加宝贵（当然有一定限度，若是存储无限算法意义变得微小）。

SICP 找零钱问题背后的思考