Python分支界定算法找零最优解

Python中可以使用贪心算法来解决找零问题，但是贪心算法并不能保证得到最优解，因为它只会考虑当前局部最优解，而不会考虑全局最优解。因此，可以使用动态规划算法来解决这个问题。

具体来说，可以使用一个一维数组来表示找零的最小硬币数，数组中每个元素表示对应金额的最小硬币数。初始化数组所有元素为无穷大，表示当前金额无法找零。然后，对于每个硬币，遍历所有的金额，更新对应金额的最小硬币数。最终，数组最后一个元素即为最小硬币数。

下面是Python代码实现：

def find_min_coins(coins, amount):
    # 初始化数组
    dp = [float('inf')]*(amount+1)
    dp[0] = 0
    
    # 更新数组
    for coin in coins:
        for i in range(coin, amount+1):
            dp[i] = min(dp[i], dp[i-coin]+1)
    
    # 返回最小硬币数
    return dp[amount] if dp[amount] != float('inf') else -1

其中，coins为硬币面值的列表，amount为需要找零的金额。如果无法找零，则返回-1。