代码随想录算法训练营Day38|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

张金卓2023

已于 2024-01-25 21:47:03 修改

阅读量1.3k

点赞数 39

文章标签：算法动态规划

于 2024-01-25 21:43:44 首次发布

本文链接：https://blog.csdn.net/m0_68682181/article/details/135854018

版权

动态规划理论基础

什么是动态规划

动态规划，英文名为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。所以动态规划中每一个状态一定是由上一个状态推导出来的，这一点就区分于贪心，贪心没有状态推导，而是从局部直接选最优的。

动态规划的解题步骤

代码随想录中总结了动态规划的五部曲：

确定dp数组以及下标的含义；
确定递推公式；文章链接
dp数组如何初始化；
确定遍历顺序；
举例推导dp数组。

动态规划的debug

写动规题目，代码出问题很正常！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。然后再写代码，如果代码没通过就打印dp数组，看看是不是和自己预先推导的哪里不一样。如果打印出来和自己预先模拟推导是一样的，那么就是自己的递归公式、初始化或者遍历顺序有问题了。如果和自己预先模拟推导的不一样，那么就是代码实现细节有问题。

这样才是一个完整的思考过程，而不是一旦代码出问题，就毫无头绪的东改改西改改，最后过不了，或者说是稀里糊涂的过了。

509. 斐波那契数

题目链接

文章链接

前言

对于动规，如果没有方法论的话，可能简单题目可以顺手一写就过，难一点就不知道如何下手了。从一开始做题就按照动态规划的五部曲顺序来执行。

思路

按照动态规划五部曲来执行：

确定dp数组以及下标的含义：

dp[i]的定义为：第i个数的斐波那契数列值是dp[i]；

2.确定递推公式：

题目中已经给出递推公式：dp[i] = dp[i - 1] + dp[i - 2]；

3.dp数组初始化：

题目同样已经给出：dp[0] = 0, dp[1] = 1;

4.确定遍历顺序：

前序遍历；

5.举例推导dp数组：

按照这个递推公式dp[i] = dp[i - 1] + dp[i - 2]，我们来推导一下，当N为10的时候，dp数组应该是如下的数列：0 1 1 2 3 5 8 13 21 34 55

如果代码写出来，发现结果不对，就把dp数组打印出来看看和我们推导的数列是不是一致的。

算法实现

方法一：动态规划

class Solution {
public:
    int fib(int n) {
        if (n <= 1) return n;
        vector<int> dp(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];
    }
};

本题的dp实现很简单，因为题目信息已经给出递推公式和初始化值，也可以只维护dp数组前两个值，算法如下：

class Solution {
public:
    int fib(int n) {
        if (n <= 1) return n;
        int dp[2];
        dp[0] = 0;
        dp[1] = 1;
        for (int i = 2; i <= n; i++) {
            int sum = dp[0] + dp[1];
            dp[0] = dp[1];
            dp[1] = sum;
        }
        return dp[1];
    }
};

方法二：递归法

还可以使用递归法进行实现，递归的实现较为简单，递归终止条件就是当n小于2。

class Solution {
public:
    int fib(int n) {
        if (n < 2) return n;
        return fib(n - 1) + fib(n - 2);
    }
};

70. 爬楼梯

题目链接

文章链接

前言

本题就没有像上一题一样直接给出递推公式，我们先自=自己举几个例子，就可以发现规律。

思路

按照题目条件爬到第一层楼梯有一种方法，爬到二层楼梯有两种方法。那么第一层楼梯再跨两步就到第三层，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到第一层楼梯状态推导出来，那么就可以想到动态规划了。

利用动态规划五部曲来进行分析：

1.确定dp数组以及下标的含义：

dp[i]的含义是爬到第i层楼梯，有dp[i]种方法；

2.确定递推公式：

从dp[i]的定义可以看出，dp[i] 可以有两个方向推出来：一个是dp[i - 1]，上i - 1层楼梯，已经有dp[i - 1]种方法，再跳一个台阶就是dp[i]；另一个是dp[i - 2]，上i - 2层楼梯，已经有dp[i - 2]种方法，那么再跳两个台阶就是dp[i]。因此dp[i]就是 dp[i - 1]与dp[i - 2]之和！

所以dp[i] = dp[i - 1] + dp[i - 2] 。尤其注意在推导dp[i]的时候，一定要时刻想着dp[i]的定义，否则容易跑偏。这体现出确定dp数组以及下标的含义的重要性！

3.dp数组初始化：

需要注意的是：题目中说了n是一个正整数，题目根本就没说n有为0的情况。所以本题不需要讨论dp[0]的初始化，直接初始化dp[1] = 1，dp[2] = 2，然后从i = 3开始递推。

4.确定遍历顺序：

从递推公式dp[i] = dp[i - 1] + dp[i - 2];中可以看出，遍历顺序一定是从前向后遍历的；

5.举例推导dp数组：

同上题思路一致。

算法实现

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];
    }
};

同样也有简化算法，只维护dp数组前面几个元素：

class Solution {
public:
    int climbStairs(int n) {
        if (n <= 1) return n;
        int dp[3];
        dp[1] = 1;
        dp[2] = 2;
        for (int i = 3; i <= n; i++){
            int sum = dp[1] + dp[2];
            dp[1] = dp[2];
            dp[2] = sum;
        }
        return dp[2];
    }
};

拓展

一步一个台阶，两个台阶，三个台阶，直到 m个台阶，有多少种方法爬到n阶楼顶？

class Solution {
public:
    int climbStairs(int n) {
        vector<int> dp(n + 1, 0);
        dp[0] = 1;
        for (int i = 1; i <= n; i++) {
            for (int j = 1; j <= m; j++) { 
                if (i - j >= 0) dp[i] += dp[i - j];
            }
        }
        return dp[n];
    }
};

746. 使用最小花费爬楼梯

题目链接

文章链接

算法实现

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 <= cost.size(); i++) {
            dp[i] = min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2]);
        }
        return dp[cost.size()];
    }
};

简化之后：

class Solution {
public:
    int minCostClimbingStairs(vector<int>& cost) {
        int dp[2];
        dp[0] = 0;
        dp[1] = 0;
        for (int i = 2; i <= cost.size(); i++) {
            int dpi = min(dp[0] + cost[i - 2], dp[1] + cost[i - 1]);
            dp[0] = dp[1];
            dp[1] = dpi;
        }
        return dp[1];
    }
};

总结

今天了解了动态规划的理论以及较简单题目的实现，在练习过程中熟悉了动态规划五部曲的使用，感觉非常实用！

张金卓2023

关注

39
点赞
踩
16

收藏

觉得还不错? 一键收藏
0
评论
代码随想录算法训练营Day38|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

动态规划，英文名为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。所以动态规划中每一个状态一定是由上一个状态推导出来的，这一点就区分于贪心，贪心没有状态推导，而是从局部直接选最优的。对于动规，如果没有方法论的话，可能简单题目可以顺手一写就过，难一点就不知道如何下手了。从一开始做题就按照动态规划的五部曲顺序来执行。本题就没有像上一题一样直接给出递推公式，我们先自=自己举几个例子，就可以发现规律。
复制链接

扫一扫