Day38: 动态规划 LeedCode:509. 斐波那契数 70. 爬楼梯 746. 使用最小花费爬楼梯 蓝桥杯: 更小的数

对于动态规划问题,拆解为如下五步曲

  1. 确定dp数组(dp table)以及下标的含义
  2. 确定递推公式
  3. dp数组如何初始化(容易数组溢出)
  4. 确定遍历顺序
  5. 举例推导dp数组

509. 斐波那契数

斐波那契数 (通常用 F(n) 表示)形成的序列称为 斐波那契数列 。该数列由 0 和 1 开始,后面的每一项数字都是前面两项数字的和。也就是:

F(0) = 0,F(1) = 1
F(n) = F(n - 1) + F(n - 2),其中 n > 1

给定 n ,请计算 F(n) 。

示例 1:

输入:n = 2
输出:1
解释:F(2) = F(1) + F(0) = 1 + 0 = 1

思路:

1.确定dp数组(dp table)以及下标的含义

dp[i]表示斐波那契数列的第i个数

2.确定递推公式

F(n) = F(n - 1) + F(n - 2)

3.dp数组如何初始化

F(0) = 0,F(1) = 1

4.确定遍历顺序

从递归公式dp[i] = dp[i - 1] + dp[i - 2];中可以看出,dp[i]是依赖 dp[i - 1] 和 dp[i - 2],那么遍历的顺序一定是从前到后遍历的

5.举例推导dp数组

0,1,1,2,3,5,8,13,21,34,55........

代码:

class Solution {
    public int fib(int n) {
        if(n<=1) return n;//注意n必须大于1,不然数组越界
       int[] f=new int[n+1];
       f[0]=0;f[1]=1;
       for(int i=2;i<=n;i++){
         f[i]=f[i-1]+f[i-2];
       }
       return f[n];
    }
}

70. 爬楼梯

假设你正在爬楼梯。需要 n 阶你才能到达楼顶。

每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢?

示例 1:

输入:n = 2
输出:2
解释:有两种方法可以爬到楼顶。
1. 1 阶 + 1 阶
2. 2 阶

思路:

1.确定dp数组(dp table)以及下标的含义

ff[i]表示到达第i阶,你有几种走法

2.确定递推公式

F(n) = F(n - 1) + F(n - 2)

3.dp数组如何初始化

我们不需要知道F(0)等于多少,因为本题中n是正整数

F(1) = 1,F(2) = 2

初始化时注意创建的数组位数小于3,会导致溢出情况

4.确定遍历顺序

从递归公式dp[i] = dp[i - 1] + dp[i - 2];中可以看出,dp[i]是依赖 dp[i - 1] 和 dp[i - 2],那么遍历的顺序一定是从前到后遍历的

5.举例推导dp数组

0,1,1,2,3,5,8,13,21,34,55........

class Solution {
    public int climbStairs(int n) {
        if(n<=2) return n;
        int[] f=new int[n+1];//f[i]表示到达第i阶,你有几种走法
        f[1]=1;
        f[2]=2;
        for(int i=3;i<=n;i++){
            f[i]=f[i-1]+f[i-2];//想要到达第I阶,你只能从第i-1和第i-2的位置来
        }
        return f[n];
    }
}

746. 使用最小花费爬楼梯

给你一个整数数组 cost ,其中 cost[i] 是从楼梯第 i 个台阶向上爬需要支付的费用。一旦你支付此费用,即可选择向上爬一个或者两个台阶。

你可以选择从下标为 0 或下标为 1 的台阶开始爬楼梯。

请你计算并返回达到楼梯顶部的最低花费。

示例 1:

输入:cost = [10,15,20]
输出:15
解释:你将从下标为 1 的台阶开始。
- 支付 15 ,向上爬两个台阶,到达楼梯顶部。
总花费为 15 。

示例 2:

输入:cost = [1,100,1,1,1,100,1,1,100,1]
输出:6
解释:你将从下标为 0 的台阶开始。
- 支付 1 ,向上爬两个台阶,到达下标为 2 的台阶。
- 支付 1 ,向上爬两个台阶,到达下标为 4 的台阶。
- 支付 1 ,向上爬两个台阶,到达下标为 6 的台阶。
- 支付 1 ,向上爬一个台阶,到达下标为 7 的台阶。
- 支付 1 ,向上爬两个台阶,到达下标为 9 的台阶。
- 支付 1 ,向上爬一个台阶,到达楼梯顶部。
总花费为 6 。

提示:

  • 2 <= cost.length <= 1000
  • 0 <= cost[i] <= 999

思路:

1.确定dp数组(dp table)以及下标的含义

dp[i]表示到达第i阶,你的最小花费

2.确定递推公式

F(n) = min(F(n-1)+cost[i-1],F(n-2)+cost[i-2]))

3.dp数组如何初始化

你可以选择从下标为 0 或下标为 1 的台阶开始爬楼梯。

F(0) = 0,F(1) = 0

初始化时注意创建的数组位数小于2,会导致溢出情况

4.确定遍历顺序

从递归公式F(n) = min(F(n-1)+cost[i],F(n-2)+cost[i-2]))中可以看出,dp[i]是依赖 dp[i - 1] 和 dp[i - 2],那么遍历的顺序一定是从前到后遍历的

5.举例推导dp数组

.........

代码:

class Solution {
    public int minCostClimbingStairs(int[] cost) {
        //F(n) = min(F(n-1)+cost[i],F(n-2)+cost[i-2])
        if(cost.length<=1){
            return 0;
        }
        int[] dp=new int[cost.length+1];
        //dp[i]:到第i个楼梯的最少花费
        //楼顶是第cos.length个楼梯
        dp[0]=0;
        dp[1]=0;
        for(int i=2;i<dp.length;i++){
         dp[i]=Math.min(dp[i-1]+cost[i-1],dp[i-2]+cost[i-2]);
        }
        return dp[cost.length];
    }
}

63. 更小的数

时间限制:1.000S  空间限制:256MB

题目描述

小蓝有一个长度均为 n 且仅由数字字符 0 - 9 组成的字符串,下标从 0 到 n - 1,你可以将其视作是一个具有 n 位的十进制数字 num,小蓝可以从 num 中选出一段连续的子串并将子串进行反转,最多反转一次。 

小蓝想要将选出的子串进行反转后再放入原位置处得到的新的数字 numnew 满足条件 numnew < num,请你帮他计算下一共有多少种不同的子串选择方案,只要两个子串在 num 中的位置不完全相同我们就视作是不同的方案。

注意,我们允许前导零的存在,即数字的最高位可以是 0,这是合法的。

  

输入描述

输入一行包含一个长度为 n 的字符串表示 num(仅包含数字字符 0 ∼ 9),从左至右下标依次为 0 ∼ n − 1。

输出描述

输出一行包含一个整数表示答案。

输入示例
210102
输出示例
8
提示信息

一共有 8 种不同的方案:

1. 所选择的子串的下标为 0 ~ 1,反转后的numnew = 120102 < 210102

2. 所选择的子串的下标为 0 ~ 2,反转后的numnew = 012102 < 210102

3. 所选择的子串的下标为 0 ~ 3,反转后的numnew = 101202 < 210102

4. 所选择的子串的下标为 0 ~ 4,反转后的numnew = 010122 < 210102

5. 所选择的子串的下标为 0 ~ 5,反转后的numnew = 201012 < 210102

6. 所选择的子串的下标为 1 ~ 2,反转后的numnew = 201102 < 210102

7. 所选择的子串的下标为 1 ~ 4,反转后的numnew = 201012 < 210102

8. 所选择的子串的下标为 3 ~ 4,反转后的numnew = 210012 < 210102

数据范围:
1 <= 字符串长度 <= 10

思路:用i,j分别表示子串首尾位置,比较num[i],num[j]的大小,

如果num[j]>num[i],则翻转之后,numnew>num

如果num[j]<num[i],则翻转之后,numnew<num

如果num[j]==num[i],则翻转之后,i++,j--重复num[i]和num[j]的比较 ,直到i>j,说明子串是回文串,翻转后numnew==num;

图解:

动态规划步骤: 

1.确定dp数组(dp table)以及下标的含义

dp[i][j]表示num第i到j位置的子串翻转后是否使得numnew>num

2.确定递推公式

if(num[i]>num[j]) dp[i][j]=1;

if(num[i]<num[j]) dp[i][j]=0;

if(num[i]==num[j])  dp[i][j]=dp[i+1][j-1]

3.dp数组如何初始化

i<j 都是不合法子串:dp[i][j]=0;

i==j都是回文串:dp[i][j]=0;

4.确定遍历顺序

从递归公式dp[i][j]=dp[i+1][j-1]中可以看出,dp[i][j]是依赖 dp[i+1][j-1],那么遍历的顺序一定是从下到上,从前到后遍历的

5.举例推导dp数组

你们自己举例

代码参考:


import java.util.*;
public class Main {
public static  void main(String[] args) {
	Scanner scanner=new Scanner(System.in);
	String s=scanner.next();
	boolean[][] dp=new boolean[s.length()][s.length()];
	//初始化
	for(int i=0;i<s.length();i++) {
		for(int j=0;j<=i;j++) {
			dp[i][j]=false;
		}
	}
	int res=0;
	//
	for(int i=s.length()-2;i>=0;i--) {
		for(int j=i+1;j<s.length();j++) {
			if(s.charAt(i)==s.charAt(j))dp[i][j]=dp[i+1][j-1];
			if(s.charAt(i)>s.charAt(j)) dp[i][j]=true;
			if(s.charAt(i)<s.charAt(j)) dp[i][j]=false;
			if(dp[i][j]==true) res++;
		}
	}
	
	System.out.println(res);
}
}

  • 30
    点赞
  • 23
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法。 LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值