代码随想录系列文章目录
动态规划篇 - 基础
前言
如果某一问题有很多重叠子问题,使用动规是有效的。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。
这就决定了dp的解题思路:状态定义, 状态转移, 初始化base case, 确定遍历顺序, 确定解的位置
分别拆开解释,拆解为如下五步曲:
确定dp数组(dp table)以及下标的含义
确定递推公式
dp数组如何初始化
确定遍历顺序
举例推导dp数组
其中,dp的递推公式决定了 base case, 也决定了遍历顺序
debug的话也很简单,就是打印dp数组,看看是否和自己推导的是一样的
509.斐波那契数
最简单的dp
def fib(self, n: int) -> int:
if n < 2: return n
dp = [0] * (n+1)
dp[1] = 1
for i in range(2, n+1):
dp[i] = dp[i-1]+dp[i-2]
return dp[n]
70.爬楼梯
题目链接
写的时候脑子抽抽了,dp[n] = dp[n-1]+dp[n-2]起来了
def climbStairs(self, n: int) -> int:
dp = [1] * (n+1)
for i in range(2, n+1):
dp[i] = dp[i-1]+dp[i-2]
return dp[n]
这道题目还可以继续深化,就是一步一个台阶,两个台阶,三个台阶,直到 m个台阶,有多少种方法爬到n阶楼顶。
这其实是一个完全背包问题,代码中m表示最多可以爬m个台阶
class Solution {
public:
int climbStairs(int n) {
vector<int> dp(n + 1, 0);
dp[0] = 1;
for (int i = 1; i <= n; i++) {
for (int j = 1; j <= m; j++) { // 把m换成2,就可以AC爬楼梯这道题
if (i - j >= 0) dp[i] += dp[i - j];
}
}
return dp[n];
}
};
以上代码不能运行,因为m没确定,但是代表一种思路
下面引用代码随想录:
此时我就发现一个绝佳的大厂面试题,第一道题就是单纯的爬楼梯,然后看候选人的代码实现,如果把dp[0]的定义成1了,就可以发难了,为什么dp[0]一定要初始化为1,此时可能候选人就要强行给dp[0]应该是1找各种理由。那这就是一个考察点了,对dp[i]的定义理解的不深入。
然后可以继续发难,如果一步一个台阶,两个台阶,三个台阶,直到 m个台阶,有多少种方法爬到n阶楼顶。这道题目leetcode上并没有原题,绝对是考察候选人算法能力的绝佳好题。
这一连套问下来,候选人算法能力如何,面试官心里就有数了。
其实大厂面试最喜欢问题的就是这种简单题,然后慢慢变化,在小细节上考察候选人。
通过求x的n次方了解递归的复杂度
746.使用最小花费爬楼梯(很好的题)
题目链接
这个题就没那么简单,
难点是状态定义 dp[i], 代表到达下标为i的台阶需要的最小花费,每当你爬上一个阶梯你都要花费对应的体力值, 到达i就要支付cost[i]
第二,状态转移,我要达到i,可以到达i-1 i-2, 我选一个成本低的,注意题目中每当你爬上一个阶梯你都要花费对应的体力值, 所以dp[i] = min(dp[i-1],dp[i-2])+cost[i]
第三,想清楚下标问题了,就明白数组和最终解的位置了,我们只用走到i-2, i-1下标的位置,就能到终点,所以dp数组应该开成n,和cost数组一样大小
#状态定义 dp[i] 到达第i个台阶需要的最小花费
#状态转移 dp[i] = min(dp[i-1],dp[i-2])+cost[i]
#base case dp[0],dp[1] = cost[0],cost[1]
#遍历顺序,正序
#最终解的位置,由于我们状态定义是到达i就算cost[i], 我们只用到i-1/i-2, dp数组长n就行
class Solution:
def minCostClimbingStairs(self, cost: List[int]) -> int:
n = len(cost)
dp = [0]* (n)
dp[0] = cost[0]
dp[1] = cost[1]
for i in range(2,n):
dp[i] = min(dp[i-1],dp[i-2])+cost[i]
return min(dp[n-1],dp[n-2])
写dp章节应该多去思考,理解透
62.不同路径
class Solution:
def uniquePaths(self, m: int, n: int) -> int:
dp = [[1]*(n) for _ in range(m)]
for i in range(1,m):
for j in range(1,n):
dp[i][j] = dp[i-1][j] + dp[i][j-1]
return dp[m-1][n-1]
我就直接开辟一块m行n列的dp数组去填了,初始化为1,然后从第二行第二列开始填,最后解在右下角位置
63. 不同路径 II
dp代码
class Solution:
def uniquePathsWithObstacles(self, obstacleGrid: List[List[int]]) -> int:
m,n = len(obstacleGrid), len(obstacleGrid[0])
if obstacleGrid[0][0] == 1 or obstacleGrid[m-1][n-1]: return 0
dp = [[0]*(n+1) for _ in range(m+1)]
for i in range(1,n+1):
if obstacleGrid[0][i-1] != 1: dp[1][i] = 1
else: break
for j in range(1,m+1):
if obstacleGrid[j-1][0] != 1: dp[j][1] = 1
else: break
for i in range(2,m+1):
for j in range(2,n+1):
if obstacleGrid[i-1][j-1] == 1: continue
elif obstacleGrid[i-2][j-1] == 1: dp[i][j] = dp[i][j-1]
elif obstacleGrid[i-1][j-2] == 1: dp[i][j] = dp[i-1][j]
else: dp[i][j] = dp[i-1][j]+dp[i][j-1]
return dp[m][n]
其实填的时候不用想的那么细,如果说遇到1,我们直接跳过,它天然是0
我们直接可以这样填
for i in range(2,m+1):
for j in range(2,n+1):
if obstacleGrid[i-1][j-1] == 1: continue
else: dp[i][j] = dp[i-1][j]+dp[i][j-1]
return dp[m][n]
dfs代码
再保留一下dfs递归写的代码,递归比较抽象,有点不好理解
def uniquePathsWithObstacles(self, obstacleGrid: List[List[int]]) -> int:
m = len(obstacleGrid)
n = len(obstacleGrid[0])
if obstacleGrid[0][0] == 1 or obstacleGrid[m-1][n-1] == 1: return 0
@lru_cache(None)
def dfs(i, j):
if i == m - 1 and j == n - 1:
if obstacleGrid[i][j] == 0:
return 1
r = d = 0
if i + 1 < m:
if obstacleGrid[i + 1][j] == 0:
r = dfs(i + 1, j)
if j + 1 < n:
if obstacleGrid[i][j + 1] == 0:
d = dfs(i, j + 1)
return r + d
return dfs(0, 0)
我第一次面试暑期实习,网易就给我了一道这种题,我当时写的代码就是用递归写的
如果让写路径就不用返回值,如果让写有几种方式到就有返回值,这就是这种题的做法