Day38 动态规划part01
**DP定义:**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。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。
**举例:**背包问题:有N件物品和一个最多能背重量为W 的背包。第i件物品的重量是weight[i],得到的价值是value[i] 。每件物品只能用一次,求解将哪些物品装入背包里物品价值总和最大。
动态规划中dp[j]是由dp[j-weight[i]]推导出来的,然后取max(dp[j], dp[j - weight[i]] + value[i])。
解题步骤:(重要)
- 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
debug方式:把这个数组打印出来看看符不符合自己想要的逻辑
509. 斐波那契数
leetcode链接:509. 斐波那契数 - 力扣(LeetCode)
class Solution:
def fib(self, n: int) -> int:
# dp[i]在第i个位置时的数值
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]
70. 爬楼梯
leetcode题目:. - 力扣(LeetCode)
题意: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?
思路:第三层楼梯的状态可以由第二层楼梯 和 到第一层楼梯状态推导出来—第二层楼梯爬一步+第一层楼梯爬2步
- 确定dp数组以及下标的含义:dp[i]: 爬到第i层楼梯,有dp[i]种方法
- 递推公式:dp[i] = dp[i - 1] + dp[i - 2];首先是dp[i - 1],上i-1层楼梯,有dp[i - 1]种方法,那么再一步跳一个台阶不就是dp[i]了么。还有就是dp[i - 2],上i-2层楼梯,有dp[i - 2]种方法,那么再一步跳两个台阶不就是dp[i]了么。那么dp[i]就是 dp[i - 1]与dp[i - 2]之和!
- dp数组初始化:dp[0] =0; dp[1] = 1; dp[2] = 2;
- 确定遍历顺序:从前向后遍历
- 举例推导dp数组:把dp table 打印出来,看看究竟是不是和自己推导的一样
- 其实就是斐波那契数列
class Solution:
def climbStairs(self, n: int) -> int:
if n==0:
return 0
if n==1:
return 1
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]
# 走到第i层可以从第i-1层走1步,或者从i-2层走两步
# print(dp)
return dp[n]
746. 使用最小花费爬楼梯
题目描述: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 2:
- 输入:cost = [1, 100, 1, 1, 1, 100, 1, 1, 100, 1]
- 输出:6
- 解释:最低花费方式是从 cost[0] 开始,逐个经过那些 1 ,跳过 cost[3] ,一共花费 6 。
思路:
- 确定dp数组以及下标的含义:dp[i]: 爬到第i层楼梯,最小的花费体力。
- 递推公式:可以有两个途径得到dp[i],一个是dp[i-1] 一个是dp[i-2]。dp[i] = min(dp[i - 1] + cost[i-1], dp[i - 2] + cost[i-2]);
- dp数组初始化:只初始化dp[0]和dp[1]就够了,其他的最终都是dp[0] dp[1]。”你可以选择从下标为 0 或下标为 1 的台阶开始爬楼梯”dp[0] =0; dp[1] = 0;
- 确定遍历顺序:从前向后遍历
- 举例推导dp数组:把dp table 打印出来,看看究竟是不是和自己推导的一样
class Solution:
def minCostClimbingStairs(self, cost: List[int]) -> int:
dp = [0] * (len(cost) + 1)
dp[0] = 0 # 初始值,表示从起点开始不需要花费体力
dp[1] = 0 # 初始值,表示经过第一步不需要花费体力
for i in range(2, len(cost) + 1):
# 在第i步,可以选择从前一步(i-1)花费体力到达当前步,或者从前两步(i-2)花费体力到达当前步
# 选择其中花费体力较小的路径,加上当前步的花费,更新dp数组
dp[i] = min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2])
return dp[len(cost)] # 返回到达楼顶的最小花费