1.动态规划基础
文档讲解: 代码随想录
对于动态规划,拆解为五步:
(1)dp数组以及下标的含义
(2)递推公式
(3)dp数组如何初始化
(4)遍历顺序
(5)举例推导dp数组(打印数组)
2.509. 斐波那契数
题目链接:509. 斐波那契数
文档讲解: 代码随想录
class Solution(object):
def fib(self, n):
"""
:type n: int
:rtype: int
"""
if n == 0:
return 0
f = [0] * (n + 1)
f[1] = 1
for i in range(2, n + 1):
f[i] = f[i - 1] + f[i - 2]
return f[n]
动规五部曲:
(1)确定dp数组以及下标
dp[ i ] 是第 i 个斐波那契数
(2)递推公式
dp[ i ] = de[ i-1 ] + dp[ i-2 ]
(3)dp数组初始化
dp[0] = 0, dp[1] = 1
(4)遍历顺序
从前往后
(5)打印dp数组
class Solution(object):
def fib(self, n):
"""
:type n: int
:rtype: int
"""
if n <= 1:
return n
dp = [0,1]
for i in range(2, n + 1):
summ = dp[0] + dp[1]
dp[0] = dp[1]
dp[1] = summ
return dp[1]
#递归版本
class Solution(object):
def fib(self, n):
"""
:type n: int
:rtype: int
"""
if n < 2:
return n
return self.fib(n - 1) + self.fib(n - 2)
3.70. 爬楼梯
这道题的关键是想到规律。爬到第一层楼梯有一种方法,爬到第二层楼梯有两种方法,爬到第三层楼梯,只能从第一层爬2步或者从二层爬1步,因此有3种方法。然后就可以想到动态规划。
动规三部曲:
(1)dp数组和下标的含义
dp[ i ]表示爬到第 i 层楼梯有几种方法
(2)递归公式
dp[ i ] = de[ i-1 ] + dp[ i-2 ]
(3)初始化
dp[1] = 1, dp[2] = 2
(4)遍历顺序
从前往后遍历
(5)打印数组
这步是用来验证
class Solution(object):
def climbStairs(self, n):
"""
:type n: int
:rtype: int
"""
if n < 3:
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]
关于dp[0],题目中明确表明 n 是个正整数,因此dp[0] 是无实际意义的,因此初始化从1、2开始。
4.746. 使用最小花费爬楼梯
题目链接:746. 使用最小花费爬楼梯
文档讲解: 代码随想录
动规五部曲:
(1)确定dp数组和下标
这步是确定dp[ i ]的实际意义,要返回达到楼梯顶部的最低花费。那么,dp[ i ]表示到达第 i 阶台阶所需要的最小花费。
(2)递推关系式
dp[ i ]可以由 dp[i - 1] 跳一步到达,或者 dp[i - 2] 跳两步到达,那么可以得到关系式:dp[ i ] = min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2])
(3)初始化
题目说可以选择从下标为 0 或下标为 1 的台阶开始爬楼梯,那么则说明 dp[0] = 0,dp[1] = 0
(4)遍历顺序:从前往后
(5)打印数组
class Solution(object):
def minCostClimbingStairs(self, cost):
"""
:type cost: List[int]
:rtype: int
"""
#题目中说明了cost的长度大于等于2
dp = [0] * (len(cost) + 1)
for i in range(2, len(dp)):
dp[i] = min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2])
return dp[len(cost)]