算法学习记录~2023.X.XX~章节DayX~题目号.题目标题 & 题目号.题目标题
基础知识
1. 什么是动态规划
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。
和贪心算法的区别在于:
贪心没有状态推导,而是从局部直接选最优的;
动态规划中,每一个状态一定是由上一个状态推导出来的
2. 动态规划的解题步骤
如果只是死记硬背状态转移公式然后生搬硬套一定会出问题,因为并没有真的了解。
对于动态规划问题,可以拆解为五步曲,需要搞清楚每一步才行:
- 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
这五步后面会经常用到,需要好好体会。
3. 动态规划的debug方法
做动态规划的题,代码出问题很正常,找问题的最好方式是把 dp 数组打印出来,看看到底是不是按照自己思路推导的。
如果对 dp 学习处于类似黑盒的状态,一气写下来如果能通过就ok不能通过就凭感觉改,是非常坏的习惯,而且很可能解决不了问题。
做 dp 的题目,写代码前一定要把状态转移在 dp 数组上的具体情况模拟一遍,确定最后推出的是想要的结果。
然后再写代码,如果代码没通过就打印 dp 数组,看看是不是和自己预先推导的哪里不一样。
如果打印出来和自己预先模拟推导的一样,那就是递归公式、初始化或者遍历顺序有问题。
如果和预先模拟推导的不一样,那就是代码实现细节有问题。
509. 斐波那契数
题目链接
思路1:动态规划
按五步曲来做:
- 确定 dp 数组(dp table)以及下标的含义
这里我们要用一个一维 dp 数组来保存递归的结果。
dp[i] 的定义为:第 i 个数的斐波那契数值是 dp[i]
- 确定递推公式
本题题目中已经给出了递推公式,状态转移方程 dp[i] = dp[i - 1] + dp[i - 2]
- dp 数组如何初始化
题目中也给了初始化,dp[0] = 0; dp[1] = 1;
- 确定遍历顺序
从递推公式中可以看出,dp[i] 依赖于 dp[i - 1] 和 dp[i - 2] ,所以遍历的顺序一定是从前向后的
- 举例推导 dp 数组
按照这个递推公式dp[i] = dp[i - 1] + dp[i - 2],我们来推导一下,当N为10的时候,dp数组应该是如下的数列:
0 1 1 2 3 5 8 13 21 34 55
如果代码写出来,发现结果不对,就把dp数组打印出来看看和我们推导的数列是不是一致的。
代码
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];
}
};
思路2:递归
正常递归思路,没有太特殊的
代码
class Solution {
public:
int fib(int n) {
if (n < 2)
return n;
return fib(n - 1) + fib(n - 2);
}
};
总结
简单题用来掌握方法论,困难题应用方法论。
70. 爬楼梯
题目链接
思路:动态规划
由于每次只能爬 1 或 2 个台阶,所以爬第 1 层有 1 种,爬第 2 层有 2 种,爬第 3 层则可以从第 1 层再爬 2 层,或第 2 层再爬 1 层。因此可以发现第 3 层楼梯状态可以由第 1 和第 2 层楼梯状态推导而来,因此想到动态规划
动规五步曲:
- 确定 dp 数组以及下标的含义:
dp[i]:爬到第 i 层楼,有 dp[i] 种方法
- 确定递推公式:
从dp[i]的定义可以看出,dp[i] 可以有两个方向推出来。
首先是 dp[i - 1],上 i - 1 层楼梯,有dp[i - 1]种方法,那么再 1 步跳1个台阶就是 dp[i]。
还有就是 dp[i - 2],上 i - 2 层楼梯,有dp[i - 2]种方法,那么再 1 步跳 2 个台阶就是 dp[i]。
(需要注意 dp[i - 2] 到 i - 2 层楼梯后,除了 1 步跳 2 个台阶到达 dp[i] 以外,不要考虑跳 2 次每次 1 步到达 dp[i],因为那样其实就和 dp[i - 1] 跳 1 步上 dp[i] 重复了。)
所以dp[i] = dp[i - 1] + dp[i - 2] 。
在推导dp[i]的时候,一定要时刻想着dp[i]的定义,否则容易跑偏。
这也体现出确定dp数组以及下标的含义的重要性!
- dp 数组如何初始化:
根据前面的定义和举例,可以知道 dp[1] = 1,dp[2] = 2
- 确定遍历顺序:
从递推公式dp[i] = dp[i - 1] + dp[i - 2] 中可以看出,遍历顺序一定是从前向后遍历的
- 举例推导 dp 数组:
比如 n 为 5 时,dp 数组应该如下所示。
如果代码出问题了,就把dp table 打印出来,看看究竟是不是和自己推导的一样
代码
class Solution {
public:
int climbStairs(int n) {
if (n <= 1) //因为下面直接对dp[2]操作了,防止空指针
return n;
vector<int> dp(n + 1); //注意 + 1
dp[1] = 1;
dp[2] = 2;
for (int i = 3; i <= n; i++){
dp[i] = dp[i - 1] + dp[i - 2];
}
return dp[n];
}
};
总结
题目还是不难,因此重点还是在于更熟悉动态规划的思维和步骤。
746. 使用最小花费爬楼梯
题目链接
思路
思路上和 70. 爬楼梯 很相似,主要区别在于判断爬楼方式的时候还需要记录一下体力花费。
动规五步曲:
- 确定 dp 数组(dp table)以及下标的含义
dp[i]的定义:到达第 i 台阶所花费的最少体力为 dp[i]。
- 确定递推公式
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 - 1] 跳到 dp[i] 需要花费 dp[i - 1] + cost[i - 1]
dp[i - 2] 跳到 dp[i] 需要花费 dp[i - 2] + cost[i - 2]
因为要求最小的,所以递推公式为 dp[i] = min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2])
- dp 数组如何初始化
初始可以从第 0 或第 1 层出发,因此到这两层花费的体力都为 0
所以初始化 dp[0] = 0,dp[1] = 0
- 确定遍历顺序
根据递推公式模拟台阶,确定为从前往后
- 举例推导 dp 数组
拿示例2:cost = [1, 100, 1, 1, 1, 100, 1, 1, 100, 1] ,来模拟一下dp数组的状态变化,如下:
如果代码写出来有问题,就把dp数组打印出来,看看和如上推导的是不是一样的
代码
class Solution {
public:
int minCostClimbingStairs(vector<int>& cost) {
vector<int> dp(cost.size() + 1);
dp[0] = 0;
dp[1] = 0;
for (int i = 2; i <= cost.size(); i ++){ //注意边界范围不能是 cost.size() - 1
dp[i] = min((dp[i - 1] + cost[i - 1]), (dp[i - 2] + cost[i - 2]));
}
return dp[cost.size()]; //注意不能是 cost.size() - 1
}
};
总结
简单题,为了练习方法论,然后难度按梯度向上,一环扣一环。