代码随想录算法训练营第三十八天|509斐波那契数、70.爬楼梯、746.使用最小花费爬楼梯
动态规划的解题步骤
- 确定dp数组以及下标的含义
- 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
509斐波那契数
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
给定 n
,请计算 F(n)
。
示例 1:
输入:n = 2
输出:1
解释:F(2) = F(1) + F(0) = 1 + 0 = 1
题解:
- 确定dp[i]的含义:dp[i]表示第i个斐波那契数的值
- 递推公式:dp[i]=dp[i-1]+dp[i-2]
- dp数组初始化:dp[0]=1,dp[1]=1
- 遍历顺序:从前向后
- 答应dp数组
代码:
class Solution {
public int fib(int n) {
if(n<=1) return n;
int [] dp=new int[n+1];
dp[0]=0;
dp[1]=1;
for(int i=2;i<=n;i++){
dp[i]=dp[i-1]+dp[i-2];
}
return dp[n];
}
}
70.爬楼梯(答案是斐波那契数列)
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?
示例 1:
输入:n = 2
输出:2
解释:有两种方法可以爬到楼顶。
1. 1 阶 + 1 阶
2. 2 阶
题解:
- dp[i] :到达i阶右dp[i]种方法
- 递推公式:因为一次只能迈一步或是两步,所以当前阶的步数只能由前两步得到,那么到达的方法数就是前两步到达的方法数的和 dp[i]=dp[i-1]+dp[i-2]
- 初始化dp数组: dp[0]=0 //不走 dp[1]=1 dp[2]=2
- 遍历顺序:从前往后
- 打印dp数组
代码:
class Solution {
public int climbStairs(int n) {
if(n<=2) return n;
int[] dp=new int[n+1];
dp[0]=0;
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
给你一个整数数组 cost
,其中 cost[i]
是从楼梯第 i
个台阶向上爬需要支付的费用。一旦你支付此费用,即可选择向上爬一个或者两个台阶。
你可以选择从下标为 0
或下标为 1
的台阶开始爬楼梯。
请你计算并返回达到楼梯顶部的最低花费。
示例 1:
输入:cost = [10,15,20]
输出:15
解释:你将从下标为 1 的台阶开始。
- 支付 15 ,向上爬两个台阶,到达楼梯顶部。
总花费为 15 。
题解:在台阶上不花费,只有跳动才花费
- dp[i] :到达i个台阶的最小花费
- 递推公式:dp[i]=math.min(dp[i-1],dp[i-2])
- 初始化 :dp[1]=0 ,dp[0]=0;(初始位置不花费)
- 遍历顺序:从前往后
- 打印dp数组(debug)
而dp数组的大小比cost数组的大小多一是因为在动态规划中,通常会多设置一个状态来处理边界情况或者简化逻辑。
代码:
class Solution {
public int minCostClimbingStairs(int[] cost) {
int[] dp=new int[cost.length+1];
dp[0]=0;
dp[1]=0;
for(int i=2;i<=cost.length;i++){
dp[i]=Math.min(dp[i-1]+cost[i-1],dp[i-2]+cost[i-2]);
}
//最后台阶是cost数组的后一位,也就是最后一位花费后到达的才是顶部
return dp[cost.length];
}
}