动态规划1：理论基础、斐波那契数、爬楼梯、使用最小花费爬楼梯、第一节总结

最新推荐文章于 2024-09-20 15:09:03 发布

小小小码猿

最新推荐文章于 2024-09-20 15:09:03 发布

阅读量39

点赞数

分类专栏： #代码随想录学习打卡文章标签：动态规划算法

本文链接：https://blog.csdn.net/evildoerxmf/article/details/133736861

版权

#代码随想录学习打卡专栏收录该内容

38 篇文章 0 订阅

订阅专栏

1. 动态规划理论基础

动态规划刷题大纲在这里插入图片描述

什么是动态规划

动态规划（Dynamic programming），简称DP。如果面对一个问题有很多重叠子问题，使用动规很有效。

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。

举一个例子说明动规和贪心的区别。
例如：有N件物品和一个最多能背重量为W 的背包。第i件物品的重量是weight[i]，得到的价值是value[i] 。每件物品只能用一次，求解将哪些物品装入背包里物品价值总和最大。

动态规划中dp[j]是由dp[j-weight[i]]推导出来的，然后取max(dp[j], dp[j - weight[i]] + value[i])。

但如果是贪心呢，每次拿物品选一个最大的或者最小的就完事了，和上一个状态没有关系。

所以贪心解决不了动态规划的问题。

动规的解题步骤

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

一些同学可能想为什么要先确定递推公式，然后在考虑初始化呢？

因为一些情况是递推公式决定了dp数组要如何初始化！

其实确定递推公式仅仅是解题里的一步而已！

只知道递推公式，但搞不清楚dp数组应该如何初始化，或者正确的遍历顺序，以至于记下来公式，但写的程序怎么改都通过不了。

动态规划如何debug

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！

一些同学对于dp的学习是黑盒的状态，就是不清楚dp数组的含义，不懂为什么这么初始化，递推公式背下来了，遍历顺序靠习惯就是这么写的，然后一鼓作气写出代码，如果代码能通过万事大吉，通过不了的话就凭感觉改一改。

这是一个很不好的习惯！

做动规的题目，写代码之前一定要把状态转移在dp数组的上具体情况模拟一遍，心中有数，确定最后推出的是想要的结果。

然后再写代码，如果代码没通过就打印dp数组，看看是不是和自己预先推导的哪里不一样。

如果打印出来和自己预先模拟推导是一样的，那么就是自己的递归公式、初始化或者遍历顺序有问题了。

如果和自己预先模拟推导的不一样，那么就是代码实现细节有问题。
如果碰到背下代码但AC不过，自己先思考这三个问题：

这道题目我举例推导状态转移公式了么？
我打印dp数组的日志了么？
打印出来了dp数组和我想的一样么？

如果这灵魂三问自己都做到了，基本上这道题目也就解决了，或者更清晰的知道自己究竟是哪一点不明白，是状态转移不明白，还是实现代码不知道该怎么写，还是不理解遍历dp数组的顺序。

总结

动态规划五步骤、如何debug非常重要。

2. 斐波那契数

例题509：
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) 。
在这里插入图片描述
动规五步骤：

确定dp数组以及下标的含义
dp[i]的定义为：第i个数的斐波那契数值是dp[i]
确定递推公式
为什么这是一道非常简单的入门题目呢？
因为题目已经把递推公式直接给我们了：状态转移方程 dp[i] = dp[i - 1] + dp[i - 2];
dp数组如何初始化
题目中把如何初始化也直接给我们了，如下：
dp[0] = 0;
dp[1] = 1;
确定遍历顺序
从递归公式dp[i] = dp[i - 1] + dp[i - 2];中可以看出，dp[i]是依赖 dp[i - 1] 和 dp[i - 2]，那么遍历的顺序一定是从前到后遍历的。
举例推导dp数组
按照这个递推公式dp[i] = dp[i - 1] + dp[i - 2]，我们来推导一下，当N为10的时候，dp数组应该是如下的数列：

0 1 1 2 3 5 8 13 21 34 55

//动规解法：时间复杂度O(n)，空间复杂度O(n)
class Solution {
    public int fib(int n) {
        int[] dp=new int[31];
        dp[0]=0;
        dp[1]=1;
        for(int i=2;i<=n;i++){
            dp[i]=dp[i-1]+dp[i-2];
        }
        return  dp[n];
    }
}

//递归：时间复杂度O(2^n)，空间复杂度O(n)
class Solution {
    public int fib(int n) {
        if(n==0) return 0;
        else if(n==1) return 1;
        else return fib(n-1)+fib(n-2);
    }
}

3. 爬楼梯

例题70：
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？

如何可以推出dp[i]呢？

从dp[i]的定义可以看出，dp[i] 可以有两个方向推出来。

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。

那么dp[i]就是 dp[i - 1]与dp[i - 2]之和！

所以dp[i] = dp[i - 1] + dp[i - 2] 。

那么，dp该怎么初始化呢？

再回顾一下dp[i]的定义：爬到第i层楼梯，有dp[i]种方法。

那么i为0，dp[i]应该是多少呢，这个可以有很多解释，但基本都是直接奔着答案去解释的。

例如强行安慰自己爬到第0层，也有一种方法，什么都不做也就是一种方法即：dp[0] = 1，相当于直接站在楼顶。

但总有点牵强的成分。

那还这么理解呢：我就认为跑到第0层，方法就是0啊，一步只能走一个台阶或者两个台阶，然而楼层是0，直接站楼顶上了，就是不用方法，dp[0]就应该是0.

其实这么争论下去没有意义，大部分解释说dp[0]应该为1的理由其实是因为dp[0]=1的话在递推的过程中i从2开始遍历本题就能过，然后就往结果上靠去解释dp[0] = 1。

从dp数组定义的角度上来说，dp[0] = 0 也能说得通。这时就要从i=3开始递推。

需要注意的是：题目中说了n是一个正整数，题目根本就没说n有为0的情况。

所以本题其实就不应该讨论dp[0]的初始化！

class Solution {
    public int climbStairs(int n) {
        int[] dp=new int[46];
        dp[0]=0;
        dp[1]=1;
        dp[2]=2;
        for(int i=3;i<=n;i++){
            dp[i]=dp[i-2]+dp[i-1];
        }
        return dp[n];
    }
}

这道题从递推公式来看发现与斐波那契相同，但是对于这道题如果从2开始递推，dp[0]需要初始化未1，而从3开始递推，dp[0]=1。并且这道题没有给出递推公式，需要分析，难度更大。

拓展

这道题目还可以深化，可以在单纯爬楼梯中考察为什么dp[0]=1。以及可以一步迈1个、2个…m个台阶，那么跑到第n阶需要多少步？这道题在leetcode上没有原题，是完全背包问题，考察算法能力。
在后续背包问题中讲解。

4. 使用最小花费爬楼梯

例题746：
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。
在这里插入图片描述
从后往前不正确，从前往后怎么判断0和1两个位置？

题目中说 “你可以选择从下标为 0 或下标为 1 的台阶开始爬楼梯” 也就是相当于跳到下标 0 或者下标 1 是不花费体力的，从下标 0 下标1 开始跳就要花费体力了。

1. 确定dp数组以及下标的含义（确定dp数组含义很重要）
使用动态规划，就要有一个数组来记录状态，本题只需要一个一维数组dp[i]就可以了。

dp[i]的定义：到达第i台阶所花费的最少体力为dp[i]。

对于dp数组的定义，大家一定要清晰！

2. 确定递推公式（递推公式很重要）
可以有两个途径得到dp[i]，一个是dp[i-1] 一个是dp[i-2]。

dp[i - 1] 跳到 dp[i] 需要花费 dp[i - 1] + cost[i - 1]。

dp[i - 2] 跳到 dp[i] 需要花费 dp[i - 2] + cost[i - 2]。

那么究竟是选从dp[i - 1]跳还是从dp[i - 2]跳呢？

比较两者谁小就选谁！

如何初始化？
已经知道到下标0和1的位置花费为0。
递归方向？
后一步的最小代价取决于前两步的代价，所以是从前往后遍历。
根据递推公式推导
根据例子[10,15,20]可以推导出到达最高阶的最小花费是15，符合递推公式。

时间复杂度为O(n)，空间复杂度为O(n)
class Solution {
    public int minCostClimbingStairs(int[] cost) {
        int[] dp=new int[cost.length+1];
        dp[0]=0;
        dp[1]=0;
        for(int i=2;i<=cost.length;i++){
            dp[i]=Math.min((dp[i-1]+cost[i-1]),dp[i-2]+cost[i-2]);
        }
        return dp[cost.length];
    }
}

如果面试需要优化空间复杂度，可以知道第i位是由前两位推出的，所以不用dp数组，直接用两个变量记录。

class Solution {
    public int minCostClimbingStairs(int[] cost) {
        int a=0;
        int b=0;
        int t=0;
        for(int i=2;i<=cost.length;i++){
            t=Math.min((a+cost[i-2]),b+cost[i-1]);
            a=b;
            b=t;
        }
        return t;
    }
}