动态规划基础题目—一维数组，python版本

五部曲

1. 确定dp数组以及下标的含义
2. 确定递推公式/状态转移公式
3. dp数组如何初始化
4. 确定遍历顺序
5. 举例推导dp数组

Debug方法：
把dp数组打印出来，哪里有问题一目了然！

斐波那契数列

1. 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]
2. 确定递推公式/状态转移公式
   状态转移方程 dp[i] = dp[i - 1] + dp[i - 2];
3. dp数组如何初始化
   dp[0] = 0;
   dp[1] = 1;
4. 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
5. 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

class Solution:
    def fib(self, n: int) -> int:
       
        # 排除 Corner Case
        if n == 0:
            return 0
        
        # 创建 dp table 
        dp = [0] * (n + 1)

        # 初始化 dp 数组
        dp[0] = 0
        dp[1] = 1

        # 遍历顺序: 由前向后。因为后面要用到前面的状态
        for i in range(2, n + 1):

            # 确定递归公式/状态转移公式
            dp[i] = dp[i - 1] + dp[i - 2]
        
        # 返回答案
        return dp[n]

爬楼梯

1. 确定dp数组以及下标的含义
   dp[i]： 爬到第i层楼梯，有dp[i]种方法
2. 确定递推公式
   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] 。
3. dp数组如何初始化
   不考虑dp[0]如何初始化，只初始化dp[1] = 1，dp[2] = 2，然后从i = 3开始递推，这样才符合dp[i]的定义。
4. 确定遍历顺序
   从递推公式dp[i] = dp[i - 1] + dp[i - 2];中可以看出，遍历顺序一定是从前向后遍历的
5. 举例推导dp数组

# 空间复杂度为O(n)版本
class Solution:
    def climbStairs(self, n: int) -> int:
        if n == 0:
            return 0
        
        if n == 1:  # 会发现写完其他调试1时出错，因此检查代码，修改
            return 1

        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]

# 空间复杂度为O(1)版本
class Solution:
    def climbStairs(self, n: int) -> int:
        if n == 0:
            return 0
        
        if n == 1:  # 会发现写完其他调试1时出错，因此检查代码，修改
            return 1

        dp = [0] * (n+1)

        dp[1] = 1
        dp[2] = 2

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

        return dp[n]

使用最小花费爬楼梯

1. 确定dp数组以及下标的含义
   dp[i]的定义：到达第i台阶所花费的最少体力为dp[i]。
2. 确定递推公式
   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？
   一定是选最小的，所以dp[i] = min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2]);
3. dp数组如何初始化
   看一下递归公式，dp[i]由dp[i - 1]，dp[i - 2]推出，既然初始化所有的dp[i]是不可能的，那么只初始化dp[0]和dp[1]就够了，其他的最终都是dp[0]dp[1]推出。
   初始化 dp[0] = 0，dp[1] = 0;
4. 确定遍历顺序
   因为是模拟台阶，而且dp[i]由dp[i-1]dp[i-2]推出，所以是从前到后遍历cost数组就可以了。
5. 举例推导dp数组

class Solution:
    def minCostClimbingStairs(self, cost: List[int]) -> int:
        if len(cost) <= 1:  # 长度小于1，则顶楼小于2，可以一步搞定
            return 0
        
        dp = [0] * (len(cost)+1)
        
        dp[0] = 0  # 上第1个台阶的费用
        dp[1] = 0  # 上第2个台阶的费用

        # 上第n个台阶的费用
        for i in range(2, len(cost)+1):
            dp[i] = min( (dp[i-1]+cost[i-1]), (dp[i-2]+cost[i-2]) )

        return dp[len(cost)]