day32 代码对象录 | 动态规划 斐波拉契 爬楼梯

动态规划基础和框架。

动态规划核心，当前每一个状态一定是由上一个状态推导出来，这就涉及到一个递推公式，但是动态规划又不仅仅只是递推公式。动态规划分为五部曲

1. 你要明白动态dp数组的值的含义。dp[i]或者dp[i][j]代表什么

2. dp数组的递推公式是什么

3. dp数组如何初始化

4. 遍历顺序是什么

5. 举例推到dp数组

509 斐波拉契 数列

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) 。

这个虽然很简单，简单在于递推公式直接给你了，而且初始化也告诉你了

这里dp[i]的每个值就是F(i)的值，递推公司已经给了，初始化也给了。

遍历顺序就是从左到右，单层遍历。

def Fibo(n:int):
    dp = [0] * (n+1)
    dp[0] = 0
    dp[1] = 0

    for i in range(2, n+1):
        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？

这个题没做过的，直接懵逼。做过的，动态规划就可以一步一步出来。

这个题是需要通过前面的状态来知道你下一步状态的。为什么？ 因为你走一步，要么是前一步跨一个台阶，要么前一步跨两个。这就是方法的数量。

因此采用动态规划，那么五部曲

1. dp[i] 的含义是什么? dp[i] 就是走到这一步台阶的方法总数

2. 递推公式是啥？首先，你走到每一步，不外部是前一步走一步到的，或者前一步走两步到的。因为，你到当前步的方数数量就等于dp[i-1] 走一步 加上dp[i-2]走两步的方法数。即dp[i] = dp[i-2] + dp[i-1]

3. 初始化.dp[1] = 1 dp[2] = 1. dp[0] 不用赋值，没有意义。因为台阶n>=1

4. 如何遍历？ 从左往右遍历

5. 测试 dp[3] 走到第三步台阶有多少方法，第一个台阶走两步，第二个台阶走一步。因此为2符合这个递推公式

def climbStairs(n: int):
    dp = [0] * (n+1)
    dp[1] = 1
    dp[2] = 1

    for i in range(3, n+1):
        dp[i] = dp[i-1] + dp[i-2]

    return dp[n]

746 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。

同样的，这个题也是五部曲。

1. dp的含义，dp[i] 就是达到第i个楼梯的总花费

2. 递推公式。与前面爬楼类似，你要么从前一步爬，要么从前两步爬，但是你要选择消耗最小的

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

3. dp初始化，因为刚开始第一步和第二步楼梯可以初始化为0 dp[0] = 0, dp[1] = 0,因为我还没开始爬

4. 遍历顺序，从左往右

5. 测试。

def stairs2(cost:List[int]):
    n = len(cost)
    dp  = [0] * (n+1)
    dp[0] = 0
    dp[1] = 0
    
    for i in range(2, n+1):
        dp[i] = min(dp[i-1]+cost[i-1], dp[i-2]+cost[i-2])
    
    return dp[n]