最近在刷letcode,动态规划从头开始刷题。
所谓的动态规划,就是当前的状态和之前的状态相关,只要记住这个点,很多问题都可以迎面而解。
动态规划的一个重要应用就是斐波那契数列。
斐波那契数列是这样的:1,1,2,3,5,8,13,21...
当前数由前两个数相加而得到。也就是:
当前状态和前两个状态相关。
今天的第一道题目是这样的:
最小花费爬楼梯,每次可以爬一个或者两格,每爬一次就要支付当前楼梯的价格,一开始可以选择从第一格或者第二格爬,求爬到顶层的最小花费。
示例一:
输入:cost=[10,15,20]
输出:15
解释:从第二格开始爬,支付15就可以再爬两个到达顶层了。
示例二:
输入:cost=[1,100,1,1,1,100,1,1,100,1]
输出:6
解释:第一层,第三层,第五层,第七层,第八层,第十层
解题思路:我们要时刻记住动态规划的思想,即当前状态和之前的状态是相关的。这道题某种程度上用了dijkstra的思想,从第一格楼梯开始标记第一步,更新至第一格的最小代价,然后标记下一格,更新下一格的最小代价,直至楼梯的顶层,只不过这道题没有dijkstra那么复杂罢了,楼梯只有两个邻居,即上一格和下一格,标记更新是有唯一方向的,而且这道题不用返回爬楼梯所爬格子的标签,即不需要回溯。
下面是解题c++代码,
class Solution {
public:
int minCostClimbingStairs(vector<int>& cost) {
int n = cost.size();
vector<int> dp(n + 1);
dp[0] = dp[1] = 0;
for (int i = 2; i <= n; i++) {
dp[i] = min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2]);
}
return dp[n];
}
};
后来我们又发现,dp[i]只和dp[i-1]和dp[i-2]有关,那我们就不需要定义dp数组,而是用prev和curr两个整形将其代替。
class Solution {
public:
int minCostClimbingStairs(vector<int>& cost) {
int n = cost.size();
int prev = 0, curr = 0;
for (int i = 2; i <= n; i++) {
int next = min(curr + cost[i - 1], prev + cost[i - 2]);
prev = curr;
curr = next;
}
return curr;
}
};
今天的第二道题是这样的:小偷在村子里沿着马路的房子偷东西,但不能偷相邻的房子的东西,否则会触响警报,求小偷偷到财产的最大值。
示例一:
输入:[1,2,3,1]
输出:4
解释:小偷先偷第一家,再偷第三家。
示例二:
输入:[2,7,9,3,1]
输出:12
解释:第一家,第三家,第五家。
解题思路:咋一看这道题好像很难,但仔细想这道题和上面一道题其实有异曲同工之妙。我们还是要牢记动态规划的思想,当前状态和之前状态相关。那么这道题其实就是上面一道题的翻版,换汤不换药,只不过最小值变成了最大值,步长从1变成了2而已。
class Solution {
public:
int rob(vector<int>& nums) {
int n=nums.size();
int list[n];
list[0]=nums[0];
if(n>1)
{
list[1]=max(nums[0],nums[1]);
for(int i=2;i<=n-1;i++)
{
list[i]=max(list[i-2]+nums[i],list[i-1]);
}
}
return list[n-1];
}
};
然后我们发现,list[i]只和list[i-1]和list[i-2]相关,那么就可以用cur,pre两个整形来代替list数组。
class Solution {
public:
int rob(vector<int>& nums) {
int n=nums.size();
int pre;
int tem;
int cur=nums[0];
if(n>1)
{
pre=cur;
cur=max(nums[0],nums[1]);
for(int i=2;i<=n-1;i++)
{
tem=cur;
cur=max(pre+nums[i],cur);
pre=tem;
}
}
return cur;
}
};