理论基础
- 509. 斐波那契数
- 70. 爬楼梯
- 746. 使用最小花费爬楼梯
一、理论基础
动态规划的要点是每一个状态都是由上一个状态推导出来的,这同时也区分于贪心。
动态规划好的一点在哪呢,他有大致的步骤:动态规划五部曲。
- 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
二、斐波那契数
我们就就着东归五部曲来做:
1、确定dp数组以及下标的含义:
dp[i]的含义是:第i个斐波那契数是dp[i]
2、确定递推公式
斐波那契数列的状态转移方程是dp[i]=dp[i-1]+dp[i-2];
3、dp数组如何初始化,由于状态方程中的数值是基于前两个数值,所以第一个和第二个元素要单独初始化,dp[0]=0,dp[1]=1;
4、确定遍历顺序,由于依赖前面的两个数值,所以一定是从前向后遍历。
5、举例推导dp数组
从前向后分别是:0,1,1,2,3,5,8,13,21,34,55.……
class Solution {
public:
int fib(int n) {
if(n<=1) return n;
vector<int> dp(n+1);
dp[0]=0;
dp[1] =1;
for(int i=2;i<=n;i++){
dp[i]=dp[i-1]+dp[i-2];
}
return dp[n];
}
};
但其实也没必要维护那么多数值,只要动态改变前两个数值即可。
class Solution {
public:
int fib(int n) {
if(n<=1) return n;
int dp[2];
dp[0]=0;
dp[1] =1;
for(int i=2;i<=n;i++){
int sum=dp[0]+dp[1];
dp[0] =dp[1];
dp[1] = sum;
}
return dp[1];
}
};
但这题如果用递归就两行
class Solution {
public:
int fib(int n) {
if(n<2) return n;
return fib(n-1) +fib(n-2);
}
};
三、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。
这道题没给递推公式,但是从题目中可以显而易见的看出来:
dp[n]=dp[n-1]+dp[n-2]
为什么呢,我们到达一个点的方法只有两种,一种是从它的上一个台阶,一种是从它的上两个台阶。
所以这题和斐波那契数列的唯一区别是dp[0]没有意义。
class Solution {
public:
int climbStairs(int n) {
if(n<=1)return n;
int dp[3];
dp[1] =1;
dp[2] = 2;
for(int i =3;i<=n;i++){
int sum =dp[1]+dp[2];
dp[1] = dp[2];
dp[2] = sum;
}
return dp[2];
}
};
这是优化空间后的写法,也可以去维护整个数组来写。
四、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。
这里的dp[i]就有那么一点讲究:
由于要找最小值,dp[i]=min(dp[i-1]+cost[i-1],dp[i-2]+cost[i-2]
这里我们的dp[i]是由之前的元素产生的,所以我们的遍历顺序依然还是从前到后遍历。
class Solution {
public:
int minCostClimbingStairs(vector<int>& cost) {
int dp0 =0;
int dp1 =0;
for(int i = 2; i <= cost.size(); i++){
int dpi = min(dp1 + cost[i - 1], dp0 + cost[i - 2]);
dp0=dp1;
dp1 =dpi;
}
return dp1;
}
};
这里还卡的蛮久的,因为没搞清楚应不应该到最后一项。