动态规划

动态规划

动态规划是一种算法思想，用于解决具有重叠子问题、最优子结构特征的问题。 重叠子问题：子问题是原问题的小版本
最优子结构：大问题的最优解包含小问题的最优解，通过小问题可以推导出大问题

楼梯有n个台阶，每次可以上1阶或2阶。一共有多少种不同的上楼方法？
原问题：n个台阶的上楼方案数
子问题：n-1个台阶的上楼方案数、n-2个台阶的上楼方案数、n-3个台阶的上楼方案数…
最优子结构：子问题的最优解能否推出原问题的最优解？
要走到第n级台阶，要么从n-1一步走过去，要么从n-2一步走过去，因此：
n个台阶的上楼方案数=n-1个台阶的上楼方案数+n-2个台阶的上楼方案数
无后效性：”未来与过去无关“，只需考虑当下如何走到第n级，不需要考虑先前如何走到第n-1、第n-2，直接利用结果计算即可，最优子结构满足无后效性。

• 楼梯有n个台阶，每次可以一步上1阶、2阶、4阶。一共有多少种不同的上楼方法？
• 楼梯有n个台阶，每次可以一步上1阶、k阶。一共有多少种不同的上楼方法？
• 楼梯有n个台阶，每次可以一步上1阶、2阶、… 、k阶。一共有多少种不同的上楼方法？

动态规划分析步骤

拆分子问题：将原问题拆解成子问题，找到问题之间的联系。
确定状态：此处的”状态“代指不同的问题，例如dp[x]表示上x台阶的方案数，其中x就是状态；确定状态就是确定问题需要几个维度的已知变量。一般是“前n个xxx为m的最大价值/最小价值/方案数”等
状态转移方程：状态（子问题）之间是如何转移，即，一个状态由哪几个状态转移来，或者该状态可以转移到哪些状态上
实现：按照循环、记忆化搜索等方式求解最终状态（答案）。

3367破损的楼梯

题目链接：3367破损的楼梯

在计算台阶方案时，如果当前台阶是坏的，则需要跳过该台阶的状态更新
vis[x] = 1表示第x级台阶损坏

N = 100010
mod = 1000000007
#定义长度为N的数组vis和f，并将它们初始化为0
vis = [0] * N
f = [0] * N
#读取输入数据，包括楼的总级数n和坏掉的台阶数m，以及坏掉的台阶编号X
n , m = map(int , input().split())
X = list(map(int , input().split()))
#遍历坏掉的台阶编号X，将对应的vis数组位置设为1，表示该台阶已经坏了
for x in X:
    vis[x] = 1
#设置初始条件，即到达第0级台阶只有一种方法，即不迈步，所以f[0]赋值为1；
#到达第1级台阶有两种方法，要么不迈步，要么迈一步，所以f[1]赋值为1减去vis[1]的值
f[0] = 1
f[1] = 1 - vis[1]
'''
循环从第2级台阶开始遍历到第n级台阶。如果当前台阶已经坏了（vis[i]为真），则跳过当前迭代。
否则，计算到达当前台阶的方法数，即到达前一级台阶的方法数加上到达前两级台阶的方法数，并对结果取模。最后，输出到达第n级台阶的方法数。
'''
for i in range(2,n+1):
    if vis[i]:
        continue
    f[i] = (f[i-1] + f[i-2]) % mod
print(f[n])

运行结果

6 1
3

4

3423安全序列

题目链接：3423安全序列

# `dp[i]` 表示到达第 `i` 步的方案数

mod = 1000000007
n , k = map(int , input().split())
dp = [0] * (n+1)
# 初始状态：不放置也为一种方案
dp[0] = 1
for i in range(1,n+1):
    #判断当前位置 `i` 是否大于等于 `k+1`。
    #如果是，那么说明存在至少 `k+1` 个位置可以放置油桶，也就是说，可以从前 `i-k-1` 步的任何位置移动到第 `i` 步。
    if i-k-1 >= 0:
        #如果满足上述条件，那么可以从前 `i-1` 步和前 `i-k-1` 步的方案数之和得到第 `i` 步的方案数。
        #这是因为可以选择从前 `i-1` 步直接移动到第 `i` 步，也可以从前 `i-k-1` 步移动到第 `i` 步。然后对结果取模，防止结果过大。
        dp[i] = (dp[i-1] + dp[i-k-1]) % mod
    else:#没有足够的位置可以放置油桶，只能从前 `i-1` 步移动到第 `i` 步。
        #在这种情况下，方案数就是前 `i-1` 步的方案数加一。
        dp[i] = (dp[i-1] + 1) % mod
print(dp[n])

运行结果

4 2

6

参考链接：https://blog.csdn.net/Charlie482/article/details/136441362?spm=1001.2014.3001.5502