两套代码solution1，solution2； 复杂度分析： 可以用DP做，这里我提供两个代码。都是基于DP，他们在m等于10000以下，一秒内都可以运行完。solution1在M比较小的时候比solution2快（m不超过十万），复杂度都是m平方。在m比较小的时候（十万以下），solution1明显比2快。（solution1前面的常数小）。 代码解释： solution1 代码中dp 是一个二维数组：dp[index][sum]，index表示第index种货币，sum表示当前需要组合成的数. dp[index][sum] 表示用第大于等于下标为index的硬币组成SUM这个数有多少种方式。 那么可以导出这样一个公式： 式中index 代表硬币的下标。（我的代码里下标为0的硬币是100，下标为1的是50.。。。），value是当前下标硬币的值，num是当前硬币的数量。 我们所要求的的是用下标大于等于0的硬币（就是所有硬币）组成数M的方式有多少种。 solution2: dp 数组仍然是二维数组，dp[index][sum]  中的index，sum意义不变，但是dp[index][sum]本身的意义有很小的变化：dp[index][sum] 代表它被访问的次数。.举个例子：m=101;一种可能的组合 1*100+0*50+0*20+。。。+1*1；还有一种组合 0*100+2*50+。。。+1*1；可以看到，第一种组合为1,0,0,0,0,0,1，第二种为0,2,0,0,0,0,1,他们在在访问第三种硬币的时候，都是要求第二种以后的硬币组合出一个1（因为前两种（下标0,1）已经组合出了100），所以需要后面下标为2,3,4,5,6种硬币组合出1；也就是说dp[2][1]被访问了两次。这样也就是说，我们只需要统计最后一种硬币在所有可能的和上被访问的次数，也就是我们的总次数。   递推公式为： value是index硬币的值，num是数量。 如果不用递归函数，空间复杂度还其实可以优化，因为每个状态只跟上一个状态有关。 具体代码注释下一条。