Day32||● 509. 斐波那契数 ● 70. 爬楼梯 ● 746. 使用最小花费爬楼梯

最新推荐文章于 2024-08-31 00:26:34 发布

int WINGsssss

最新推荐文章于 2024-08-31 00:26:34 发布

阅读量60

点赞数

文章标签： leetcode 动态规划算法

本文链接：https://blog.csdn.net/m0_63511417/article/details/129833132

版权

文章介绍了使用动态规划方法解决斐波那契数列和爬楼梯问题，通过定义状态转移方程dp[i]=dp[i-1]+dp[i-2]，并初始化基础情况，可以有效地从前向后计算每个状态，从而避免递归带来的效率问题。此外，对于最小花费爬楼梯问题，状态转移方程变为dp[i]=min(dp[i-1]+cost[i-1],dp[i-2]+cost[i-2])，同样利用动态规划求解。

摘要由CSDN通过智能技术生成

● 509. 斐波那契数

1.dp[i]的定义为：第i个数的斐波那契数值是dp[i]

2.状态转移方程 dp[i] = dp[i - 1] + dp[i - 2]

3.dp[0]=0;dp[1]=1;

4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

5.略

class Solution {
public:
    int fib(int n) {
        if(n<=1)
        return n;

        vector<int> dp(n+1,0);
        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

1.dp[i]：爬到第i层楼梯，有dp[i]种方法

2.dp[i] = dp[i - 1] + dp[i - 2]

3.dp[1] = 1，dp[2] = 2

4.从前向后

5.略

class Solution {
public:
    int climbStairs(int n) {
      if(n<=1)
      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

1.dp表示的是爬到第i个楼梯所需要花费的。

2.dp[i]=min(dp[i-1]+cost[i-1],dp[i-2]+cost[i-2])

3.dp[0]=dp[1]=0;

4.因为i的结果要用到i-1和i-2的结果，所以从前向后遍历。

5.略（要注意在最后结果应该是要爬到n+1的台阶而不是n）

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();


    }
};