Arrays.fill(memo, -666);

这行代码的作用是将数组 `memo` 中的所有元素都赋值为 `-666`。这样做的目的是在使用 `memo` 数组做记忆化搜索时，可以将所有的状态都初始化为一个非法的值，以区分已经计算过的状态和未计算过的状态。当我们需要计算某个状态时，先判断该状态是否已经计算过，如果是，则直接返回之前计算的结果，否则进行计算并将结果存储在 `memo` 数组中。

相关问题

int[] memo; int coinChange(int[] coins, int amount) { memo = new int[amount + 1]; // 备忘录初始化为⼀个不会被取到的特殊值，代表还未被计算 Arrays.fill(memo, -666);return dp(coins, amount); } int dp(int[] coins, int amount) { if (amount == 0) return 0; if (amount < 0) return -1; // 查备忘录，防⽌重复计算 if (memo[amount] != -666) return memo[amount]; int res = Integer.MAX_VALUE; for (int coin : coins) { // 计算⼦问题的结果 int subProblem = dp(coins, amount - coin); // ⼦问题⽆解则跳过 if (subProblem == -1) continue; // 在⼦问题中选择最优解，然后加⼀ res = Math.min(res, subProblem + 1); } // 把计算结果存⼊备忘录 memo[amount] = (res == Integer.MAX_VALUE) ? -1 : res; return memo[amount]; }

这段代码实现的是使用动态规划算法解决零钱兑换问题。其中，memo数组是备忘录，用于记录已经计算过的子问题的结果，避免重复计算。具体实现步骤如下：

1. 初始化memo数组为一个不会被取到的特殊值，代表还未被计算。
2. 调用dp函数，传入coins数组和amount金额。
3. 如果amount为0，直接返回0；
4. 如果amount小于0，说明当前组合不可行，返回-1；
5. 查备忘录，如果memo[amount]不等于特殊值，说明已经计算过，直接返回memo[amount]。
6. 初始化res为最大值，遍历coins数组。
7. 对于每个coin，通过递归调用dp函数计算子问题的结果subProblem。
8. 如果子问题无解，则跳过当前coin，继续遍历下一个coin。
9. 在子问题中选择最优解，然后加1，更新res。
10. 将计算结果存入备忘录memo[amount]中。
11. 返回memo[amount]作为当前组合的最优解。

该算法的时间复杂度为O(amount*N)，其中N为coins数组的长度。由于使用了备忘录，避免了重复计算，因此该算法的空间复杂度为O(amount)。