提示:努力生活,开心、快乐的一天
文章目录
509. 斐波那契数
💡解题思路
- 动规五部曲:
- 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:题目已经把递推公式直接给了: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出了,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:按照递推公式推导一下做推导,如果发现结果不对,就把dp数组打印出来
🤔遇到的问题
- 遍历从2开始,小于等于N
- 最后return出维护的数组中的某一项
💻代码实现
动态规划
var fib = function(n) {
//确定dp数组以及下标的含义
//dp[i] 表示第i个位置的值为dp[i]
//dp数组如何初始化
let dp = [0,1]
//确定遍历顺序:从前向后遍历
for(let i=2;i<=n;i++){
//确定递推公式
dp[i] = dp[i-1]+dp[i-2]
}
//举例推导dp数组:并打印结果
console.log(dp)
return dp[n]
};
🎯题目总结
该题一般采用递归的方法,但也是动态规划的入门题目,因为动态规划的五步都非常的清楚明了。
对于上面的动态规划的方法中,还有可以优化的地方,我们只需要维护两个数值就可以了,不需要记录整个序列。
var fib = function(n) {
// 动规状态转移中,当前结果只依赖前两个元素的结果,所以只要两个变量代替dp数组记录状态过程。将空间复杂度降到O(1)
if(n===0)return 0
if(n===1)return 1
let pre0 = 0
let pre1 = 1
let sum = 0
for(let i=1; i<=n; i++){
sum = pre0 + pre1
pre0 = pre1
pre1 = sum
console.log(pre0)
}
return pre0
};
70. 爬楼梯
💡解题思路
- 爬到第一层楼梯有一种方法,爬到二层楼梯有两种方法。
那么第一层楼梯再跨两步就到第三层 ,第二层楼梯再跨一步就到第三层。
所以到第三层楼梯的状态可以由第二层楼梯 和 到第一层楼梯状态推导出来,那么就可以想到动态规划了。 - 动规五部曲:
- 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
- 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] 。
- dp数组如何初始化: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,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。
- 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
- 举例推导dp数组:如果代码出问题了,就把dp table 打印出来
🤔遇到的问题
- 虽然在初始化的时候,dp[1] = 1,dp[2] = 2,但在实际开发中,往数组中添加数据就是从dp[1]开始的,所以最终return结果是dp[n-1]
💻代码实现
动态规划
var climbStairs = function(n) {
//dp[i] 为第 i 阶楼梯有多少种方法爬到楼顶
// dp[i] = dp[i - 1] + dp[i - 2]
let dp = [1,2]
//从第三个台阶开始
for(let i = 2; i <= n; i++){
dp[i] = dp[i-1]+dp[i-2];
}
return dp[n-1]
};
🎯题目总结
该题与斐波那契数列基本一致,但该题的递推公式dp[i] = dp[i - 1] + dp[i - 2],没有直接体现在题目中。
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,可深度思考
746. 使用最小花费爬楼梯
💡解题思路
- 动规五部曲:
- 确定dp数组以及下标的含义: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]。
- 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]);
- dp数组如何初始化:题目描述中明确说了 “你可以选择从下标为 0 或下标为 1 的台阶开始爬楼梯。” 也就是说 到达 第 0 个台阶是不花费的,但从 第0 个台阶 往上跳的话,需要花费 cost[0]。所以初始化 dp[0] = 0,dp[1] = 0;
- 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。
- 举例推导dp数组:如果代码出问题了,就把dp table 打印出来
🤔遇到的问题
- 最终return的结果是dp[cost.length]
💻代码实现
动态规划
var minCostClimbingStairs = function(cost) {
//dp[i]的定义:到达第i台阶所花费的最少体力为dp[i]。
//dp数组如何初始化
let dp = [0,0]
for(let i = 2; i <= cost.length; i++){
//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]
//一定是选最小的,所以dp[i] = min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2]);
dp[i] = Math.min(dp[i-1]+cost[i-1],dp[i-2]+cost[i-2])
}
return dp[cost.length]
};
🎯题目总结
爬楼问题进行了优化,难度加深了
🎈今日心得
今天的初次接触动态规划,根据题目的难易程度一步一步的加深了解