LeetCode | C++ 动态规划——理论基础、509. 斐波那契数、70. 爬楼梯、746. 使用最小花费爬楼梯

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

1. 确定dp数组（dp table）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

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

509题目描述

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();
    }
};

参考

代码随想录