第一行一个整数n（ n ≤ 10000 ），表示需找零的金额。 第二行一个整数m（ m ≤ 100 ），表示硬币面值的个数。 第三行为m个整数，表示m个硬币的面值d1<d2<…<dm，其中d1=1。 【输出形式】 找零所需的数量最少的硬币数目。

这是一个经典的动态规划问题，可以使用贪心算法求解。

首先，将硬币面值从大到小排序，然后从大到小依次尝试用面值最大的硬币去找零。如果当前硬币面值大于等于剩余需要找零的金额，则将该硬币个数加上剩余需要找零的金额除以当前硬币面值的商，即可得到所需硬币的最小数量。

代码如下：

n = int(input())  # 需找零的金额
m = int(input())  # 硬币面值的个数
coins = list(map(int, input().split()))  # 硬币面值

count = 0  # 硬币数量
for i in range(m-1, -1, -1):
    if coins[i] <= n:
        count += n // coins[i]
        n %= coins[i]
    if n == 0:
        break

print(count)

如果硬币面值不是特殊的，比如面值为1、2、5、10、20、50、100，那么就需要使用动态规划求解。具体做法是定义一个长度为n+1的数组dp，其中dp[i]表示找零i元所需的最少硬币数目。初始化dp[0]=0，其余元素均为正无穷大。然后依次枚举硬币面值，对于每个面值，再枚举需要找零的金额，更新dp数组。

代码如下：

n = int(input())  # 需找零的金额
m = int(input())  # 硬币面值的个数
coins = list(map(int, input().split()))  # 硬币面值

dp = [float('inf')] * (n+1)
dp[0] = 0

for i in range(m):
    for j in range(coins[i], n+1):
        dp[j] = min(dp[j], dp[j-coins[i]] + 1)

print(dp[n])