理论基础
Dynamic Programming,简称DP,如果某一问题有很多重叠子问题,使用动态规划是最有效的。
动态规划中每一个状态一定是由上一个状态推导出来的
动态规划五步曲
- 确定dp数组(dp table)以及下标的含义
- 确定递推公式(状态转移公式)
- dp数组如何初始化
- 确定遍历顺序
- 举例推导dp数组
以上是分析的思路,到具体写代码的时候,肯定是先初始化dp数组,在写递推公式。
动态规划应该如何debug
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!
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。
动态规划的一般问题
(1)动规基础
(2)背包问题
(3)打家劫舍
(4)股票问题
(5)子序列问题
通过简单题目搞定方法论、本质一点的东西
509. 斐波那契数
class Solution {
public:
int fib(int n) {
if (n <= 1) return n;
int dp[2];
dp[0] = 0;
dp[1] = 1;
int result;
for (int i = 2; i <= n; i++) {
result = dp[0] + dp[1];
dp[0] = dp[1];
dp[1] = result;
}
return result;
}
};
70. 爬楼梯
70题目链接
递推公式:爬第一层有一种方法,爬第二层有两种方法,
第一层楼梯跨两步就到第三层,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 第一层 楼梯 状态推导出来。
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];
}
};
746. 使用最小花费爬楼梯
746题目链接
dp[i]的定义:到达第i台阶所花费的最少体力为dp[i]。
递推公式:到达dp[i] 可以通过 dp[i - 1] 或者 dp[i - 2]得到
从dp[i - 1] : dp[i - 1] + cost[i - 1]
从dp[i - 2] : dp[i - 2] + cost[i - 2]
dp[i] = min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2]);
dp数组初始化: dp[0] = 0, dp[1] = 0;
遍历顺序: 由于dp[i] 是由dp[i - 2] 和 dp[i - 1] 推出,所以是从前往后遍历
class Solution {
public:
int minCostClimbingStairs(vector<int>& cost) {
vector<int> dp(cost.size() + 1);
dp[0] = 0;
dp[1] = 0;
for (int i = 2; i < dp.size(); i++) {
dp[i] = min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2]);
}
return dp.back();
}
};