注:Day37休息。
本文目录
动态规划理论基础
动规五部曲:
- 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
509. 斐波那契数
代码随想录:509. 斐波那契数
Leetcode:509. 斐波那契数
做题
class Solution:
def fib(self, n: int) -> int:
if n == 0 or n == 1:
return n
f = [0] * (n+1)
f[0] = 0
f[1] = 1
i = 2
while i <= n:
f[i] = f[i-1] + f[i-2]
i += 1
return f[n]
时间复杂度: O(n)
空间复杂度: O(n)
看文章
可以只维护两个数值。
时间复杂度: O(n)
空间复杂度: O(1)
70. 爬楼梯
代码随想录:70. 爬楼梯
Leetcode:70. 爬楼梯
做题
往上一格和两格加上当前的方法数,初始值为1。但感觉有点懵懵的。
class Solution:
def climbStairs(self, n: int) -> int:
f = [0] * (n+1)
f[0] = 1
for i in range(n):
if i + 1 <= n:
f[i+1] = f[i+1] + f[i]
if i + 2 <= n:
f[i+2] = f[i+2] + f[i]
return f[n]
时间复杂度:O(n)
空间复杂度:O(n)
看文章
其实类似斐波那契数。
空间复杂度为O(n)版本
class Solution:
def climbStairs(self, n: int) -> int:
if n <= 1:
return n
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]
return dp[n]
空间复杂度为O(3)版本
# 空间复杂度为O(3)版本
class Solution:
def climbStairs(self, n: int) -> int:
if n <= 1:
return n
dp = [0] * 3
dp[1] = 1
dp[2] = 2
for i in range(3, n + 1):
total = dp[1] + dp[2]
dp[1] = dp[2]
dp[2] = total
return dp[2]
把dp[1]和dp[2]改为常变量,就变成O(1)了。
746. 使用最小花费爬楼梯
代码随想录:746. 使用最小花费爬楼梯
Leetcode:746. 使用最小花费爬楼梯
做题
直接在cost数组上做计算即可。
class Solution:
def minCostClimbingStairs(self, cost: List[int]) -> int:
size = len(cost)
for i in range(2, len(cost)):
cost[i] = min(cost[i-1], cost[i-2]) + cost[i]
return min(cost[size-1], cost[size-2])
时间复杂度:O(n)
空间复杂度:O(1),使用原始数组不算空间复杂度
看文章
思路差不多。
以往忽略的知识点小结
- 动规如果只需要保存前几个数,可以用几个常变量保存,降低空间复杂度
- 可以举例推导dp数组,然后打印日志来debug
个人体会
完成时间:1h20min。
心得:动规刚开始,需要理清思路,今天都AC了。