动态规划
不断更新中...
动态规划题有两个要点:确定状态转移公式和边界条件,确定状态转移公式有点像找规律一样,只要能找出能从一个状态转移到另一个状态的模式,这道题就差不多解决了。边界条件则表示的是最小子问题的边界。只要确定了状态转移公式和边界条件题目就迎刃而解了。
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. 1 阶 + 1 阶
2. 2 阶
示例 2:输入: 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 阶来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/climbing-stairs
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
思路:首先确定状态转移公式,通过示例发现,因为爬到第n阶楼梯可以在n-1阶的基础上再爬1个台阶,或者在n-2阶的基础上再爬2个台阶,那么第n阶楼梯的爬行方案数取决于n-1阶的方案数和n-2阶楼梯的方案数,即,n阶楼梯的爬行方案数 = n-1阶楼梯的方案数 + n-2阶楼梯的方案数,状态转移公式为:dp[i] = dp[i-1] + dp[i-2]。
边界条件的确定:0阶方案数为1,1阶方案数为1
class Solution:
def climbStairs(self, n: int) -> int:
dp = [0] * (n+1) # 边界条件,dp[i]表示爬到n阶楼梯的方案数,初始0阶和1阶的方案数都为1
dp[0] = 1
dp[1] = 1
for i in range(2, n+1):
# 状态转移公式,i阶楼梯的方案数=i-1阶楼梯方案数+i-2阶楼梯方案数
dp[i] = dp[i-1] + dp[i-2]
return dp[n]
62. 不同路径
一个机器人位于一个 m x n 网格的左上角 (起始点在下图中标记为 “Start” )。
机器人每次只能向下或者向右移动一步。机器人试图达到网格的右下角(在下图中标记为 “Finish” )。
问总共有多少条不同的路径?
示例 1:
输入:m = 3, n = 7
输出:28
示例 2:输入:m = 3, n = 2
输出:3
解释:
从左上角开始,总共有 3 条路径可以到达右下角。
1. 向右 -> 向下 -> 向下
2. 向下 -> 向下 -> 向右
3. 向下 -> 向右 -> 向下
示例 3:输入:m = 7, n = 3
输出:28
示例 4:输入:m = 3, n = 3
输出:6
提示:
1 <= m, n <= 100
题目数据保证答案小于等于 2 * 109来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/unique-paths
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
思路:
(1)状态转移公式:由于只能往右走或往下走,因此想要走到第(i, j)格,只能从第(i-1, j)格往右走或者从第(i, j - 1)格往下走,所以第(i, j)格的方案数等于第(i-1, j)格的方案数加上第(i, j - 1)格的方案数,即dp[i][j] = dp[i - 1][j] + dp[i][j - 1]
(2)边界条件:最上行和最左行的所有格子的方案数为1(因为只能一直往右走或者一直往下走)
class Solution:
def uniquePaths(self, m: int, n: int) -> int:
dp = [[0] * (n + 1) for _ in range(m + 1)]
for i in range(1, n + 1): # 边界条件
dp[1][i] = 1
for i in range(1, m + 1):
dp[i][1] = 1
for i in range(2, m + 1):
for j in range(2, n + 1):
dp[i][j] = dp[i - 1][j] + dp[i][j - 1] # 状态转移公式
return dp[m][n]
63. 不同路径 II
一个机器人位于一个 m x