代码随想录算法训练营第二十九天|动态规划理论基础、509. 斐波那契数、70. 爬楼梯、746. 使用最小花费爬楼梯

动态规划理论基础

其中包括：基础题目，背包问题，打家劫舍，股票问题，子序列问题。

每一个状态是由上一个状态推导出来的，这一点区别贪心，因为贪心没有状态推到，而是直接取局部最优。

1. DP数组含义：做动态转移的适合，需要定义这个数组。我们需要知道它的定义以及下标的含义。

2. 递推公式：

3. DP数组的初始化：什么时候初始化0或1或别的？

4. 遍历顺序：比如为什么要先遍历背包再遍历物品？什么时候从前往后，什么时候从后往前。

5. 打印DP数组：验证，寻找是哪个步骤出错了。

509. 斐波那契数

求第n个斐波那契数。

动规五部曲：

1. 确定dp数组以及下标含义：dp[i]表示第i个斐波那契数的值是dp[i];

2. 确定递推公式：dp[i] = dp[i-1]+dp[i-2];

3. dp数组如何初始化：dp[0]=dp[1]=1;

4. 确定遍历顺序：从先向后遍历。

5. 打印递归数组：用来debug。

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];
    }
};

• 时间复杂度：O(n)
• 空间复杂度：O(n)

70. 爬楼梯

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？

动规五部曲：

1. 确定dp数组：dp[i]：爬到第i层楼时，有dp[i]种方法。

2. 确定递归公式：第i层楼的方法由两个方向可以推出来。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。

3. dp数组如何初始化：dp[1] = 1，dp[2] = 2.

4. 确定遍历顺序：从前往后

5. 推导dp数组/打印dp数组：举个例子。

class Solution {
public:
    int climbStairs(int n) {
        if(n<=2) return n;
        vector<int> dp(n+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];
    }
};

这道题目还可以继续深化，就是一步一个台阶，两个台阶，三个台阶，直到 m个台阶，有多少种方法爬到n阶楼顶。这又有难度了，这其实是一个完全背包问题，但力扣上没有这种题目，大家可以去卡码网去做一下 57. 爬楼梯

等刷到完全背包了以后来做。

746. 使用最小花费爬楼梯

数组的每个下标作为一个阶梯，第 i 个阶梯对应着一个非负数的体力花费值 cost[i]（下标从 0 开始）。

每当你爬上一个阶梯你都要花费对应的体力值，一旦支付了相应的体力值，你就可以选择向上爬一个阶梯或者爬两个阶梯。

请你找出达到楼层顶部的最低花费。在开始时，你可以选择从下标为 0 或 1 的元素作为初始阶梯。

一旦往上跳，才会花费体力值。

1. dp[i]的定义：第i个台阶最小需要的消耗；

2. 递推公式：dp[i] =min((dp[i-1]+cost[i-1]), (dp[i-2]+cost[i-2]))

3. 初始化：dp[2] => dp[1], dp[0]。dp[1]和dp[0]初始化，都为0。

4. 遍历顺序：从前往后。

5. 打印dp数组：举例子

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

• 时间复杂度：O(n)
• 空间复杂度：O(n)

还可以优化空间复杂度，因为dp[i]就是由前两位推出来的，那么也不用dp数组了。