动态规划,英文:Dynamic Programming,简称DP,如果某一问题有很多重叠子问题,使用动态规划是最有效的。
所以动态规划中每一个状态一定是由上一个状态推导出来的,这一点就区分于贪心,贪心没有状态推导,而是从局部直接选最优的。
动态规划五部曲
- 确定dp数组(dp table)以及下标的含义
- 确定递推公式
- dp数组如何初始化
- 确定遍历顺序
- 举例推导dp数组
509. 斐波那契数
class Solution:
def fib(self, n: int) -> int:
if n==0:
return 0
dp=[0]*(n+1)
dp[0]=0
dp[1]=1
for i in range(2,n+1):
dp[i]=dp[i-1]+dp[i-2]
return dp[n]
class Solution:
def fib(self, n: int) -> int:
if n<=1:
return n
a,b=0,1
for i in range(2,n+1):
sum=a+b
a,b=b,sum
return b
70. 爬楼梯
class Solution:
def climbStairs(self, n: int) -> int:
if n<=1:
return n
dp=[0]*(n+1)
dp[1]=1
dp[2]=2
for i in range(3,n+1):
dp[i]=dp[i-1]+dp[i-2]
return dp[n]
class Solution:
def climbStairs(self, n: int) -> int:
if n<=1:
return n
a,b=1,2
for i in range(3,n+1):
sum=a+b
a,b=b,sum
return b
746. 使用最小花费爬楼梯
class Solution:
def minCostClimbingStairs(self, cost: List[int]) -> int:
dp=[0]*(len(cost)+1)
dp[0]=0
dp[1]=0
for i in range(2,len(cost)+1):
dp[i]=min(dp[i-1]+cost[i-1],dp[i-2]+cost[i-2])
#dp[i-1]是在本台阶上要花费的,cost[i-1]是跳出去要花费的,dp[i-2]同理
return dp[len(cost)]