代码随想录刷题04.11
动态规划1
概念
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。
动规五步骤
1)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
LeetCode题目
解题思路
1.动态规划:
1)核心:利用备忘录存储数据,避免重复计算数据,减少计算分枝;
2)根源:减少暴力或回溯法的重复分支;
3)方法步骤:
i)理清dp数组及下标(从暴力出发来思考);
ii)dp数组的初始值;
iii)递推函数;
iv)for循环遍历(这里动归和贪心有点像,减少了重复分支后动归又可能像贪心一样只用遍历一遍);
v)打印dp数组,查看是否有问题。
2.关键:理清dp数组和递推函数。
代码过程
class Solution {
public:
int fib(int n) {
if(n<=1)return n;
vector<int>dp(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];
}
};
LeetCode题目
解题思路
1.关于回溯、贪心和动归的一点思考:回溯是暴力完全遍历的一种先进方法,然而,为了在解决实际问题中减少重复或不必要的遍历分支,发展出贪心和动归算法,两者均能实现一次遍历得到结果,不同的是,贪心算法讲求单体个例的局部最优,而动归算法讲求实际目标由前向后逐渐发展递进,代表是斐波那契数列。
2.在动归中,由于使用了递推函数,可能导致dp数组下表索引超出范围的情况,因此,最好在最开始的时候就把初始值的情况给剪枝掉。
代码过程
class Solution {
public:
int climbStairs(int n) {
if(n<=2)return n;
vector<int>dp(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];
}
};
LeetCode题目
解题思路
1.动归五步骤:
1)弄清楚dp数组及下标所对应的含义:一般为所求;
本题中,dp[i]表示到达第i阶所需花费的最小体力(也就是题目所要求的问题);
2)推导出递归函数(这个要认真审题,从开始的情况向后试几个数字);
3)确定初始值(根据题意);
4)确定遍历顺序;
5)打印dp数组进行校验。
2.动归中最开始设置的dp数组的大小有点讲究,要弄清楚dp数组是从哪里开始进行索引,最终结束在哪,题目所给的n值有多大,是否需要加1!在解题中,尝试一下较小的数试一下。
代码过程
class Solution {
public:
int minCostClimbingStairs(vector<int>& cost) {
int n=cost.size();
vector<int>dp(n+1);
dp[0]=0;dp[1]=0;
for(int i=2;i<=n;i++)
{
dp[i]=min((dp[i-1]+cost[i-1]),(dp[i-2]+cost[i-2]));
}
return dp[n];
}
};