理论基础
什么是动态规划?
某一问题可以分解为很多重叠的子问题,而这些子问题之间存在着递进的状态推导关系。对这类问题的求解方法称为动态规划。
动态规划解题步骤
- 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
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)
。
思路
确定dp数组(dp table)以及下标的含义
dp[i] :数列中第i个数是dp[i]
确定递推公式
dp[i] = dp[i-1] + dp[i-2]
dp数组如何初始化
dp[0] = 0
dp[1] = 1
确定遍历顺序
从前到后遍历
举例推导dp数组
0 1 1 2 3 5 8 13 21 34 ...
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 index = 2;index<=n;index++){
dp[index] = dp[index-1] + dp[index-2];
}
return dp[n];
}
}
70.爬楼梯
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?
注意:给定 n 是一个正整数。
示例 1:
- 输入: 2
- 输出: 2
- 解释: 有两种方法可以爬到楼顶。
- 1 阶 + 1 阶
- 2 阶
思路
确定dp数组(dp table)以及下标的含义
dp[i] :i代表第i层楼梯,dp[i] 代表到达第i层一共有dp[i]种方法。
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。
首先是dp[i - 1],上i-1层楼梯,有dp[i - 1]种方法,那么再一步跳一个台阶不就是dp[i]了么。
还有就是dp[i - 2],上i-2层楼梯,有dp[i - 2]种方法,那么再一步跳两个台阶不就是dp[i]了么。
那么dp[i]就是 dp[i - 1]与dp[i - 2]之和!
所以dp[i] = dp[i - 1] + dp[i - 2] 。
dp数组如何初始化
dp[0] = 1(纯粹是为了方便计算,没有实际意义)
dp[1] = 1
代码
class Solution {
public int climbStairs(int n) {
int[] dp = new int[n+1];
dp[0] = 1;
dp[1] = 1;
for(int i=2;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。
思路
确定dp数组(dp table)以及下标的含义
dp[i] :爬上第i层台阶需要花费的最小体力dp[i]
确定递推公式
dp[i] = Min(dp[i-1],dp[i-2]) + cost[i];
dp数组如何初始化
dp[0] = cost[0];
dp[1] = cost[1];
确定遍历顺序
从前到后遍历
代码
class Solution {
public int minCostClimbingStairs(int[] cost) {
int[] dp = new int[cost.length+1];
// 初始台阶不花费体力
dp[0] = 0;
dp[1] = 0;
// 计算到达每一层台阶的最小费用
for (int i = 2; i <= cost.length; i++) {
dp[i] = Math.min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2]);
}
return dp[cost.length];
}
}