Day 38 动态规划1

509. 斐波那契数

代码随想录

1. 思路

（1）确定dp数组以及下标的含义

dp数组就是斐波那契数列，下标为数列元素index

（2）确定递推公式

根据定义，dp[i] = dp[i - 1] + dp[i - 2]

（3）dp数组初始化

dp[0] = 0, dp[1] = 1

（4）确定遍历顺序

数列应该从左到右遍历

（5）举例推导dp数组

class Solution {
public:
    int fib(int N) {
        if (N <= 1) return N;
        vector<int> dp(N + 1);
        dp[0] = 0;
        dp[1] = 1;
        for (int i = 2; i <= N; i++) {
            dp[i] = dp[i - 1] + dp[i - 2];
        }
        return dp[N];
    }
};

70. 爬楼梯

. - 力扣（LeetCode）

1. 思路

（1）确定dp数组以及下标的含义

dp数组是到每层楼的所有可能路线，下标是楼层

（2）确定递推公式

dp[i] = dp[i-1] + dp[i-2]

状态转移，也就是说不存在跨越状态的情况，比如dp[i-3]，它下一步只能到dp[i-1]和dp[i-2]，因此不能直接指向dp[i]

（3）dp数组初始化

dp[0] = 0, dp[1] = 1,dp[2] = 2

（4）确定遍历顺序

应该从左到右遍历

（5）举例推导dp数组

[0,1,2]

[0,1,2,3,5...]

2. 思考

（1）这道题可以考虑dp[0]是什么，它需要定义。而在这道题里面明显没有定义，因此都可以。

（2）如果一次最多走m步，应该如何。

这需要对状态转移充分理解，这道题里面是一步状态转移，因此m步需要涉及m个前状态。

因为这道题的代码和斐波那契完全一样，因此就给出m步的代码：

class Solution {
public:
    int climbStairs(int n) {
        vector<int> dp(n + 1, 0);
        dp[0] = 1;
        for (int i = 1; i <= n; i++) {
            for (int j = 1; j <= m; j++) { // 把m换成2，就可以AC爬楼梯这道题
                if (i - j >= 0) dp[i] += dp[i - j];
            }
        }
        return dp[n];
    }
};

746. 以最小花费爬楼梯

代码随想录

1. 思路

（1）确定dp数组以及下标的含义

dp数组是到每层楼的最小花费，下标是楼层

这里出现了困扰，核心在于dp数组的定义不清晰。可以定义为到达第i个台阶的花费，台阶从0-n。这样避免了台阶和楼层数的纠缠。最后一个台阶就是楼顶。

（2）确定递推公式

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

（3）dp数组初始化

dp[0] = 0, dp[1] =0

到达第0和1个台阶都可以直接到达，因此没有花费。

（4）确定遍历顺序

应该从左到右遍历

（5）举例推导dp数组

class Solution {
public:
    int minCostClimbingStairs(vector<int>& cost) {
        if(cost.size()==2){
            return min(cost[0],cost[1]);
        }else if(cost.size()==1){
            return cost[0];
        }
        vector<int> dp(cost.size()+1);
        dp[0] = 0;
        dp[1] = 0;
        for(int i=2; i<dp.size(); i++){
            dp[i] = min(dp[i-1]+cost[i-1], dp[i-2]+cost[i-2]);
        }
        return dp[dp.size()-1];
    }
};