随想录Day38|● 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

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。

所以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，

动态规划的解题步骤

1. 确定dp数组（dp table）以及下标的含义
2. 确定递推公式
3. dp数组如何初始化
4. 确定遍历顺序
5. 举例推导dp数组

动态规划应该如何debug

相信动规的题目，很大部分同学都是这样做的。

看一下题解，感觉看懂了，然后照葫芦画瓢，如果能正好画对了，万事大吉，一旦要是没通过，就怎么改都通过不了，对 dp数组的初始化，递推公式，遍历顺序，处于一种黑盒的理解状态。

写动规题目，代码出问题很正常！

找问题的最好方式就是把dp数组打印出来，看看究竟是不是按照自己思路推导的！

509. 斐波那契数

斐波那契数 （通常用 F(n) 表示）形成的序列称为 斐波那契数列 。该数列由 0 和 1 开始，后面的每一项数字都是前面两项数字的和。也就是：

F(0) = 0，F(1) = 1
F(n) = F(n - 1) + F(n - 2)，其中 n > 1

给定 n ，请计算 F(n) 。

示例 1：

输入：n = 2
输出：1
解释：F(2) = F(1) + F(0) = 1 + 0 = 1

示例 2：

输入：n = 3
输出：2
解释：F(3) = F(2) + F(1) = 1 + 1 = 2

示例 3：

输入：n = 4
输出：3
解释：F(4) = F(3) + F(2) = 2 + 1 = 3

提示：

• 0 <= n <= 30

思路:

这算是一道相当经典的题目了,首先我们先思考动规的五个步骤再进行代码的编辑

1.dp[i]代表第i个斐波那契数

2.递推公式为dp[i] = dp[i-1]+dp[i-2];

3.将dp初始化为dp[0] =0;dp[1] = 1;

4.遍历方式为从前往后遍历

5.打印dp数组

经由这五个步骤不难得出以下代码

class Solution {
  public int fib(int n) {
        //动态规划五部曲
        //1.明确dp数组含义
        //2.确认递推公式
        //3.dp数组如何进行初始化
        //4.确认遍历顺序
        //5.打印dp数组
        if(n ==0)return 0;
        if (n==1)return 1;
        int[] dp = new int[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

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？

示例 1：

输入：n = 2
输出：2
解释：有两种方法可以爬到楼顶。
1. 1 阶 + 1 阶
2. 2 阶

示例 2：

输入：n = 3
输出：3
解释：有三种方法可以爬到楼顶。
1. 1 阶 + 1 阶 + 1 阶
2. 1 阶 + 2 阶
3. 2 阶 + 1 阶

提示：

• 1 <= n <= 45

思路:

这一题思路比较有意思,枚举一下下列案例

爬到第一层楼梯有一种方法，爬到二层楼梯有两种方法。

那么第一层楼梯再跨两步就到第三层 ，第二层楼梯再跨一步就到第三层。

所以到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，那么就可以想到动态规划了。

依照动态规划的步骤我们可以写出以下代码

class Solution {
    public int climbStairs(int n) {
        if(n<=2)return n;
        int[] dp = new int[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];
    }
}

746. 使用最小花费爬楼梯

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 1：

输入：cost = [10,15,20]
输出：15
解释：你将从下标为 1 的台阶开始。
- 支付 15 ，向上爬两个台阶，到达楼梯顶部。
总花费为 15 。

示例 2：

输入：cost = [1,100,1,1,1,100,1,1,100,1]
输出：6
解释：你将从下标为 0 的台阶开始。
- 支付 1 ，向上爬两个台阶，到达下标为 2 的台阶。
- 支付 1 ，向上爬两个台阶，到达下标为 4 的台阶。
- 支付 1 ，向上爬两个台阶，到达下标为 6 的台阶。
- 支付 1 ，向上爬一个台阶，到达下标为 7 的台阶。
- 支付 1 ，向上爬两个台阶，到达下标为 9 的台阶。
- 支付 1 ，向上爬一个台阶，到达楼梯顶部。
总花费为 6 。

提示：

• 2 <= cost.length <= 1000
• 0 <= cost[i] <= 999

思路:

我们还是按照动态规划的解题步骤思考这一题

1.dp数组的含义

dp数组代表爬上第i个台阶所用的最小花费为dp[i]

2.递推公式

要想求得当前的dp[i]为最小值,思考这几种可能

一.从i-2的位置花费cost[i-2]到达了i,成本为dp[i-2]+cost[i-2]

二.从i-1的位置花费cost[i-1]到达了i,成本为dp[i-1]+cost[i-1]

除此之外没有其他可能了吧

那么我们想要花费最少,那么就需要计算这两个成本谁的花费最少,那么这个花费便是到达i台阶的最小花费

所以递推公式为

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

3.初始化dp数组

当i==0或者i==1时,因为是可以自由选择的

所以不用花费体力,故dp[0] =0,dp[1] =0

4.确认遍历方式

最上面的台阶需要从下面的台阶推导而来,所以应该是从前往后遍历dp数组

5.打印dp数组

经由以上思考我们不难得出以下代码

public int minCostClimbingStairs(int[] cost) {
        //dp[i]表示登上第i个台阶最小的花费
        //初始化为dp[1] = 0;dp[2] =0;
        //因为可以自由选择从哪个台阶开始跳
        //递推公式就是dp[i] = min(dp[i-1]+cost[i-1],dp[i-2]+cost[i-2]);
        //遍历方式是从前向后
        int[]dp = new int[cost.length+1];
        dp[0] = 0;
        dp[1] = 0;
        for(int i =2;i<dp.length;i++){
            dp[i] = Math.min(dp[i-1]+cost[i-1],dp[i-2]+cost[i-2]);
            //本身最小的花费还有向上必须的花费
        }
        return dp[dp.length-1];
    }

今天内容就是这些,感谢大家观看!