动态规划算法：斐波那契数列模型

例题一

解法（动态规划）

算法流程

1. 状态表⽰：

这道题可以「根据题⽬的要求」直接定义出状态表⽰： dp[i] 表⽰：第 i 个泰波那契数的值。

2. 状态转移⽅程：

题⽬已经⾮常贴⼼的告诉我们了： dp[i] = dp[i - 1] + dp[i - 2] + dp[i - 3]

3. 初始化：

从我们的递推公式可以看出， dp[i] 在 i = 0 以及 i = 1 的时候是没有办法进⾏推导的，因为 dp[-2] 或 dp[-1] 不是⼀个有效的数据。 因此我们需要在填表之前，将 0, 1, 2 位置的值初始化。题⽬中已经告诉我们 dp[0] = 0, dp[1] = dp[2] = 1 。

4. 填表顺序：

毫⽆疑问是「从左往右」。

5. 返回值：

应该返回 dp[n] 的值。

例题二

解法（动态规划）

算法思路

1. 状态表⽰

这道题可以根据「经验 + 题⽬要求」直接定义出状态表⽰：

dp[i] 表⽰：到达 i 位置时，⼀共有多少种⽅法。

2. 状态转移⽅程

以 i 位置状态的最近的⼀步，来分情况讨论：

如果 dp[i] 表⽰⼩孩上第 i 阶楼梯的所有⽅式，那么它应该等于所有上⼀步的⽅式之和：

i. 上⼀步上⼀级台阶， dp[i] += dp[i - 1] ；

ii. 上⼀步上两级台阶， dp[i] += dp[i - 2] ；

iii. 上⼀步上三级台阶， dp[i] += dp[i - 3] ；

综上所述， dp[i] = dp[i - 1] + dp[i - 2] + dp[i - 3] 。

需要注意的是，这道题⽬说，由于结果可能很⼤，需要对结果取模。

在计算的时候，三个值全部加起来再取模，即 (dp[i - 1] + dp[i - 2] + dp[i - 3])

% MOD 是不可取的，同学们可以试验⼀下， n 取题⽬范围内最⼤值时，⽹站会报错 signed

integer overflow 。

对于这类需要取模的问题，我们每计算⼀次（两个数相加/乘等），都需要取⼀次模。否则，万⼀

发⽣了溢出，我们的答案就错了。

3. 初始化

从我们的递推公式可以看出， dp[i] 在 i = 0, i = 1 以及 i = 2 的时候是没有办法进⾏推导的，因为 dp[-3] dp[-2] 或 dp[-1] 不是⼀个有效的数据。因此我们需要在填表之前，将 1, 2, 3 位置的值初始化。根据题意， dp[1] = 1, dp[2] = 2, dp[3] = 4 。

4. 填表顺序

毫⽆疑问是「从左往右」。

5. 返回值

应该返回 dp[n] 的值。

例题三

解法（动态规划）

算法思路：

1. 状态表⽰：

这道题可以根据「经验 + 题⽬要求」直接定义出状态表⽰：

dp[i] 表⽰：到达 i 位置时的最⼩花费。（注意：到达 i 位置的时候， i 位置的钱需要算上）

2. 状态转移⽅程：

根据最近的⼀步，分情况讨论：

▪ 先到达 i - 1 的位置，然后⽀付 cost[i] ，接下来⾛⼀步⾛到 i 位置： dp[i - 1] + cost[i] ；

▪ 先到达 i - 2 的位置，然后⽀付 cost[i] ，接下来⾛⼀步⾛到 i 位置： dp[i - 2] + csot[i] 。

3. 初始化：

从我们的递推公式可以看出，我们需要先初始化 i = 0 ，以及 i = 1 位置的值。容易得到dp[0] =cost[0], dp[1] = cost[1] ，因为不需要任何花费，就可以直接站在第 0 层和第 1 层上。

4. 填表顺序：

根据「状态转移⽅程」可得，遍历的顺序是「从左往右」。

5. 返回值：

根据「状态表⽰以及题⽬要求」，需要返回 dp[n-1]和dp[n-2]  位置较小的值。

例题四

解法（动态规划）：

算法思路：

类似于斐波那契数列~

1. 状态表⽰：

根据以往的经验，对于⼤多数线性 dp ，我们经验上都是「以某个位置结束或者开始」做⽂章，这

⾥我们继续尝试「⽤ i 位置为结尾」结合「题⽬要求」来定义状态表⽰。

dp[i] 表⽰：字符串中 [0 ， i] 区间上，⼀共有多少种编码⽅法。

2. 状态转移⽅程：

定义好状态表⽰，我们就可以分析 i 位置的 dp 值，如何由「前⾯」或者「后⾯」的信息推导出

来。关于 i 位置的编码状况，我们可以分为下⾯两种情况：

i. 让 i 位置上的数单独解码成⼀个字⺟；

ii. 让 i 位置上的数与 i - 1 位置上的数结合，解码成⼀个字⺟。

下⾯我们就上⾯的两种解码情况，继续分析：

◦ 让 i 位置上的数单独解码成⼀个字⺟，就存在「解码成功」和「解码失败」两种情况：

i. 解码成功：当 i 位置上的数在 [1, 9] 之间的时候，说明 i 位置上的数是可以单独解码的，那么此时

[0, i] 区间上的解码⽅法应该等于 [0, i - 1] 区间上的解码⽅法。因为 [0, i - 1] 区间上的所有解码结果，后⾯填上⼀个 i 位置解码后的字⺟就可以了。此时dp[i] = dp[i - 1] ；

ii. 解码失败：当 i 位置上的数是 0 的时候，说明 i 位置上的数是不能单独解码的，那么 此时 [0, i]

区间上不存在解码⽅法。因为 i 位置如果单独参与解码，但是解码失败了，那么前⾯做的努⼒就全部⽩费了。此时 dp[i] = 0 。 ◦ 让 i 位置上的数与 i - 1 位置上的数结合在⼀起，解码成⼀个字⺟，也存在「解码成功」和「解码失败」两种情况：

i. 解码成功:当结合的数在 [10, 26] 之间的时候，说明 [i - 1, i] 两个位置是可以解码成功的，那么此时[0, i] 区间上的解码⽅法应该等于 [0, i - 2 ] 区间上的解码⽅法，原因同上。此时dp[i] = dp[i - 2] ；

ii. 解码失败：当结合的数在 [0, 9] 和 [27 , 99] 之间的时候，说明两个位置结合后解码失败（这⾥⼀定要注意 00 01 02 03 04 ...... 这⼏种情况），那么此时 [0, i] 区间上的解码⽅法就不存在了，原因依旧同上。此时 dp[i] = 0 。

综上所述： dp[i] 最终的结果应该是上⾯四种情况下，解码成功的两种的累加和（因为我们关⼼

的是解码⽅法，既然解码失败，就不⽤加⼊到最终结果中去），因此可以得到状态转移⽅程

（ dp[i] 默认初始化为 0 ）：

i. 当s[i] 上的数在 [1, 9] 区间上时： dp[i] += dp[i - 1] ；

ii. 当 s[i - 1] 与 s[i] 上的数结合后，在 [10, 26] 之间的时候： dp[i] += dp[i - 2] ；

如果上述两个判断都不成⽴，说明没有解码⽅法， dp[i] 就是默认值 0 。

3. 初始化：

⽅法⼀（直接初始化）：

由于可能要⽤到 i - 1 以及 i - 2 位置上的 dp 值，因此要先初始化「前两个位置」。

初始化 dp[0] ：

i. 当 s[0] == '0' 时，没有编码⽅法，结果 dp[0] = 0 ；

ii. 当 s[0] != '0' 时，能编码成功， dp[0] = 1

初始化 dp[1] ：

i. 当 s[1] 在 [1 ， 9] 之间时，能单独编码，此时 dp[1] += dp[0] （原因同上， dp[1] 默认为 0 ）

ii. 当 s[0] 与 s[1] 结合后的数在 [10, 26] 之间时，说明在前两个字符中，⼜有⼀种编码⽅式，此时 dp[1] += 1

⽅法⼆（添加辅助位置初始化）：

可以在最前⾯加上⼀个辅助结点，帮助我们初始化。使⽤这种技巧要注意两个点：

i. 辅助结点⾥⾯的值要保证后续填表是正确的；

ii. 下标的映射关系

4. 填表顺序：

毫⽆疑问是「从左往右」

5. 返回值：

应该返回 dp[n - 1] 的值，表⽰在 [0, n - 1] 区间上的编码⽅法。