D38| DP理论基础 509. 斐波那契数 70. 爬楼梯 746. 使用最小花费爬楼梯

DP理论基础

重要知识点：
1.动规和贪心的区别：动规是由前一个状态推导出来的，而贪心是局部直接选最优的
2.动规五部曲：
1）确定dp数组（dp table）以及下标的含义
2）确定递推公式
3）dp数组如何初始化
4）确定遍历顺序
5）举例推导dp数组

509. 斐波那契数

1.题目
斐波那契数，通常用 F(n) 表示，形成的序列称为 斐波那契数列 。该数列由 0 和 1 开始，后面的每一项数字都是前面两项数字的和。也就是： F(0) = 0，F(1) = 1 F(n) = F(n - 1) + F(n - 2)，其中 n > 1 给你n ，请计算 F(n)

2.实现
注意空间优化

class Solution:
    def fib(self, n: int) -> int:
        # dp[i]表示第i个数的函数值
        dp = {}
        dp[0], dp[1] = 0, 1
        # for i in range(2, n+1):
        #     dp[i] = dp[i - 1] + dp[i - 2]
        # return dp[n]

        # 优化：只需用两个数来记录前两项的数字：
        if n < 2:
            return dp[n]
        for i in range(2, n+1):
            tmp = dp[0] + dp[1]
            dp[0] = dp[1]
            dp[1] = tmp
        return dp[1]

二刷补充

递归算法的性能分析（以斐波那契数列为例）

1. 递归的时间复杂度计算：
   时间复杂度 = 递归次数 * 每次递归的时间复杂度
   对于递归次数：可以将递归抽象成二叉树，深度为m（第一层深度为1）的满二叉树的总节点数为 2^m - 1
   递归算法的时间复杂度分析
   （该文章以求解 x ^ n为例，来讲解如何求解时间复杂度，非常重要的面试题！！！）

2. 递归算法的空间复杂度计算：
   空间复杂度 = 递归深度 * 每次递归的空间复杂度

70. 爬楼梯

1.题目
假设你正在爬楼梯。需要 n 阶你才能到达楼顶。每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢？
注意：给定 n 是一个正整数。

2.实现

class Solution:
    def climbStairs(self, n: int) -> int:
        dp = {}
        dp[1], dp[2] = 1, 2
        if n < 3:
            return dp[n]
        for i in range(3, n+1):
            tmp = dp[1] + dp[2]
            dp[1] = dp[2]
            dp[2] = tmp
        return dp[2]    

3.拓展题目：
746. 使用最小花费爬楼梯

文章讲解