研习代码 day33 | 初探动态规划——斐波那契数及其应用-CSDN博客

本文链接：https://blog.csdn.net/pilgalaxy/article/details/134442626

一、斐波那契数

1.1 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

示例 2：

输入：n = 3
输出：2
解释：F(3) = F(2) + F(1) = 1 + 1 = 2

示例 3：

输入：n = 4
输出：3
解释：F(4) = F(3) + F(2) = 2 + 1 = 3

提示：

0 <= n <= 30

1.2 题目链接

509.斐波那契数

1.3 解题思路和过程想法

（1）解题思路

1）普通递推：用数组元素 F[i] 存储斐波那契数F(i)，初始化前两个元素，然后通过遍历用递推公式推导其他元素。时间复杂度 O(n)，空间复杂度 O(n)

2）利用双指针递推：解法同上，但在遍历时，仅迭代使用两个指针完成所有的推导。时间复杂度 O(n)，空间复杂度 O(1)

（2）过程想法

斐波那锲比较经典，解法很熟悉

1.4 代码

1.4.1 普通递推

class Solution:
    def fib(self, n: int) -> int:
        # 初始化斐波那锲数列中的前两个元素
        F = [0,1]

        # 迭代处理后续元素
        for i in range(2,31):
            F.append(F[i-1] + F[i-2])

        return F[n]

1.4.2 利用双指针递推

class Solution:
    def fib(self, n: int) -> int:
        # 初始化斐波那锲数列中的前两个元素
        dp = [0,1]

        if n < 2:
            return dp[n]

        summ = 0
        # 使用两指针迭代处理后续元素,不用多余的空间
        for i in range(2,n+1):
            summ = dp[0] + dp[1]
            dp[0],dp[1] = dp[1],summ

        return dp[1]

二、爬楼梯

2.1 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？

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

示例 2：

输入：n = 3
输出：3
解释：有三种方法可以爬到楼顶。
1. 1 阶 + 1 阶 + 1 阶
2. 1 阶 + 2 阶
3. 2 阶 + 1 阶

提示：

1 <= n <= 45

2.2 题目链接

70.爬楼梯

2.3 解题思路和过程想法

（1）解题思路

用 dp[n] 记录到达 n 层的方法数。因为最后一步只有两种情况：一个台阶或两个台阶，所以递推关系：到达 n 层的方法数 = 到达 n-1 层的方法数 + 到达 n-2 层的方法数。
注：其实就是实际应用版的斐波那锲数列

（2）过程想法

最初没看出来其中的规律，想的是回溯法，后来尝试着写前几个楼层的步数时发现其中的规律。

2.4 代码

2.4.1 普通递推

class Solution:
    def climbStairs(self, n: int) -> int:
        if n < 3 :
            return n
        
        # 记录到达 n 层的方法数
        dp = [0] * (n+1)

        # 递推关系：到达 n 层的方法数 = 到达 n-1 层的方法数 + 到达 n-2 层的方法数
        # 最后一步只有两种情况：一个台阶 或 两个台阶

        # 初始化
        dp[1] = 1
        dp[2] = 2

        # 递推
        for i in range(3,n+1):
            dp[i] = dp[i-1] + dp[i-2]

        return dp[n]

2.4.2 利用双指针递推

class Solution:
    def climbStairs(self, n: int) -> int: 
        if n < 3 :
            return n
        
        # 记录到达 n 层的方法数
        dp = [0] * 3

        # 递推关系：到达 n 层的方法数 = 到达 n-1 层的方法数 + 到达 n-2 层的方法数
        # 最后一步只有两种情况：一个台阶 或 两个台阶

        # 初始化
        dp[1] = 1
        dp[2] = 2

        # 用双指针递推
        summ = 0
        for i in range(3,n+1):
            summ = dp[1] + dp[2]
            dp[1] = dp[2]
            dp[2] = summ

        return dp[2]

三、使用最小花费爬楼梯

3.1 题目

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 。

示例 2：

输入：cost = [1,100,1,1,1,100,1,1,100,1]
输出：6
解释：你将从下标为 0 的台阶开始。
- 支付 1 ，向上爬两个台阶，到达下标为 2 的台阶。
- 支付 1 ，向上爬两个台阶，到达下标为 4 的台阶。
- 支付 1 ，向上爬两个台阶，到达下标为 6 的台阶。
- 支付 1 ，向上爬一个台阶，到达下标为 7 的台阶。
- 支付 1 ，向上爬两个台阶，到达下标为 9 的台阶。
- 支付 1 ，向上爬一个台阶，到达楼梯顶部。
总花费为 6 。

提示：

2 <= cost.length <= 1000
0 <= cost[i] <= 999

3.2 题目链接

746.使用最小花费爬楼梯

3.3 解题思路和过程想法

（1）解题思路

分析：到达从第 0 层或第 1 层是没有费用的，只有需向上跳，才需花费 cost[i]。楼顶是下标为 len(cost)
用 dp[n] 记录到达第 n 层的最低花费；易得初始化：dp[0] = 0；dp[1] = 0；因为最后一步只有两种情况：一个台阶或两个台阶，所以递推关系：dp[n] = min(dp[n-1]+cost[n-1],dp[n-2]+cost[n-1])。最后凭借递推关系正向遍历，最后得出相应楼层结果

（2）过程想法

思路和上一题差不多，但是在“楼顶是下标为 len(cost) ”的理解上卡了一下

3.4 代码

class Solution:
    def minCostClimbingStairs(self, cost: List[int]) -> int:
        # 数组：到达第 n 层的最低花费；楼顶是下标为 len(cost)
        dp = [0] * (len(cost)+1)

        # 初始化：可以从第 0 层或第 1 层开始跳
        dp[0] = 0
        dp[1] = 0

        # 递推关系：dp[n] = min(dp[n-1]+cost[n-1],dp[n-2]+cost[n-1])
        for i in range(2,len(cost)+1):
            dp[i] = min(dp[i-2]+cost[i-2],dp[i-1]+cost[i-1])

        return dp[len(cost)]