动态规划,英文: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。
1.动态规划的解题步骤
- 确定dp数组(dp table)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
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。
2.509斐波那契数
在这里就不讨论递归和for循环的方式,而是讨论使用动态规划的方式进行推导
1.确定dp[i]的含义:F(i)的值。
2.确定递推公式:dp[i] = dp[i-1] +dp[i-2];//右斐波那契数列的定义可知
3.数组初始化:vector<int> dp(n+1);dp[0]=0;dp[1] = 1;//在这里初始化的长度为n+1.
4.遍历顺序,从小到大遍历
下面的第一种方式是dp数组的变式,因为我们始终只使用了三个数,即dp[i],dp[i-1],dp[i-2]所以如果想要节约内存空间,可以使用三个int类型来进行代替并进行更新即可。
class Solution {
public:
int fib(int n) {
//这是只有两个数来代替dp数组的
/*
if(n == 0|| n == 1) return n;
int sum0 = 0; //dp数组的初始化
int sum1 = 1;
int result = 0;
for(int i = 2;i <= n;i++){
result = sum0+sum1;
sum0 = sum1;
sum1 = result;
}
return result;*/
if(n == 0|| n == 1) return n;
vector<int> dp(n+1,0);//初始化
dp[1] = 1;
for(int i=2;i<n+1;i++){
dp[i] = dp[i-1]+dp[i-2];
}
return dp[n];
}
};
3.70爬楼梯
和前面的斐波那契数有相同的思路,在这个地方我们需要反向思考,要达到n处,那么我上一步的位置是:n-1或n-2的位置,所以dp[n] = dp[n-1]+dp[n-2];总体来说和上面那个问题差不多。
class Solution {
public:
int climbStairs(int n) {
/*
if(n == 1) return 1;
int sum0 = 1; //dp数组的初始化
int sum1 = 1;
int result;
for(int i = 2;i <= n;i++){
result = sum0+sum1;
sum0 = sum1;
sum1 = result;
}
return result;
*/
vector<int> dp(n+1,1);//初始化的时候,爬到1只有一种方法
for(int i = 2;i<n+1;i++){
dp[i] = dp[i-1]+dp[i-2];//i-1代表爬到i-1的位置再爬一步,i-2代表爬到i-2再爬两步
}
return dp[n];
}
};
4.764使用最小花费爬楼梯
- 确定dp数组(dp table)以及下标的含义:dp[i]代表走到i处的最小花费
- 确定递推公式:dp[i] = min(dp[i-1]+cost[i-1],dp[i-2]+cost[i-2]);//代表的是走到i处上一步两种情况下的最小花费。扩展:在这个地方如果一次走的不是1步或者两步,那么此时就需要使用for循环来求这个的最小花费了。
- dp数组如何初始化:vector<int> dp(n+1,0);//dp[0] = 0,dp[1] = 0;初始化,由于一开始的位置可以在0,也可以在1.
- 确定遍历顺序:从小到大进行遍历。
class Solution {
public:
int minCostClimbingStairs(vector<int>& cost) {
/*
int len = cost.size();
if(len <= 1) return 0;
//dp数组,到达i处的最小花费
int dp0 = 0,dp1 = 0;
int result = 0;
for(int i = 2;i <= len;i++){
result = min(dp0+cost[i-2],dp1+cost[i-1]);
dp0 = dp1 ;
dp1 = result;
}
return result;*/
//dp[i]爬到i处的最小花费
int n = cost.size();
vector<int> dp(n+1,0);//dp[0] = 0,dp[1] = 0;初始化
for(int i = 2;i<=n;i++){
dp[i] = min(dp[i-1]+cost[i-1],dp[i-2]+cost[i-2]);//代表从i-1,i-2开始分别走到这需要的最小花费
}
return dp[n];
}
};