还是动态规划

还是动态规划

昨天的每日一题是一道dp，看见这一道dp的题让我联想到了以前写的dp。可以结合在一起说明。

198. 打家劫舍 力扣

你是一个专业的小偷，计划偷窃沿街的房屋。每间房内都藏有一定的现金，影响你偷窃的唯一制约因素就是相邻的房屋装有相互连通的防盗系统，如果两间相邻的房屋在同一晚上被小偷闯入，系统会自动报警。
给定一个代表每个房屋存放金额的非负整数数组，计算你 不触动警报装置的情况下 ，一夜之内能够偷窃到的最高金额。
示例 1：
输入：[1,2,3,1]
输出：4
解释：偷窃 1 号房屋 (金额 = 1) ，然后偷窃 3 号房屋 (金额 = 3)。
偷窃到的最高金额 = 1 + 3 = 4 。
示例 2：
输入：[2,7,9,3,1]
输出：12
解释：偷窃 1 号房屋 (金额 = 2), 偷窃 3 号房屋 (金额 = 9)，接着偷窃 5 号房屋 (金额 = 1)。
偷窃到的最高金额 = 2 + 9 + 1 = 12 。

这是一个非常好的一个用来入门动态规划的题目，动态规划是用dfs变式过来的，其实也就是dfs的优化版本。
直接说我的结论，我发现dp每一次开始考虑都可以把每一次状态想象成最后一次状态去考虑。
就用这个题举例子，先看示例1
这里先设dp[i]为前i个房子的最大价值
我们枚举每一个下标的值为最后一个房子

后面的房子假设没有，所以按照题目要求我们只能选择第一个房子进行偷窃才能取得最大的利益。我们设这个为dp[1] = 1
然后继续枚举第二个房子为最后一个房子

这里我们就要做一个选择，是选择第二个房子还是不选择第二个房子，如果我们选择了第二个房子那么第一个房子就不能选了，答案应该是dp[2] = 2，其实这里的答案是dp[2] = max(dp[1], dp[0] + nums[1])，这句话是怎么得到的呢，因为我们这个时候有选择，我们是选择不偷最后一个房子还是偷最后一个房子，如果我们不偷那么当前的最大值就是继承前一个dp的值，如果我们偷的话，那么前一个房子不能偷，那么就是dp[0] + nums[1]，我们取得不偷第一个房子的最大值那么就是dp[0]，然后再加上自身的价值nums[1]
继续枚举

这个时候就又是考虑偷不偷第三个房子，不偷就是继承dp[2]，偷的话就是dp[1] + nums[2]，然后只需要比较他们谁大就可以了。
那么由此可以得到公式是
dp[i] = max(dp[i - 1], dp[i - 2] + nums[i])；i >= 2

class Solution 
{
public:
    int rob(vector<int>& nums) 
    {
        int n = nums.size();
        if(n == 1) return nums[0];
        if(n == 2) return max(nums[0], nums[1]);
        vector<int> dp(n, 0);
        dp[0] = nums[0];
        dp[1] = max(nums[0], nums[1]);
        for(int i = 2; i < n; ++i)
            dp[i] = max(dp[i - 2] + nums[i], dp[i - 1]);
        return dp[n - 1];
    }
};

这个还可以优化空间，因为每一次使用的只有前面两个dp的值，所以可以变成两个变量。代码就自行研究了。

931. 下降路径最小和力扣

给你一个 n x n 的 方形 整数数组 matrix ，请你找出并返回通过 matrix 的下降路径 的 最小和 。
下降路径 可以从第一行中的任何元素开始，并从每一行中选择一个元素。在下一行选择的元素和当前行所选元素最多相隔一列（即位于正下方或者沿对角线向左或者向右的第一个元素）。具体来说，位置 (row, col) 的下一个元素应当是 (row + 1, col - 1)、(row + 1, col) 或者 (row + 1, col + 1) 。
示例 1：
输入：matrix = [[2,1,3],[6,5,4],[7,8,9]]
输出：13
解释：如图所示，为和最小的两条下降路径
示例 2：
输入：matrix = [[-19,57],[-40,-5]]
输出：-59
解释：如图所示，为和最小的下降路径

这里就是让我们得到最终的最小值，虽然我们可以连续的取值，但是我们不知道该怎么去取值，那么还是枚举每一个格子为最后一个值，去根据前面得到的答案去求出答案
直接给出代码了

class Solution 
{
public:
    int minFallingPathSum(vector<vector<int>>& matrix) 
    {
        int n = matrix.size();
        for(int i = 1; i < n; ++i)
        {
            for(int j = 0; j < n; ++j)
            {
                if(j == 0) matrix[i][j] += min(matrix[i - 1][j], matrix[i - 1][j + 1]);
                else if(j == n - 1) matrix[i][j] += min(matrix[i - 1][j], matrix[i - 1][j - 1]);
                else matrix[i][j] += min(matrix[i - 1][j], min(matrix[i - 1][j - 1], matrix[i - 1][j + 1]));
            }
        }     
        int ans = INT_MAX;
        for(int i = 0; i < n; ++i) ans = min(ans, matrix[n - 1][i]);
        return ans;               
    }
};

这两个题好像没有直接联系，但是这里总结的就是遇到寻路，寻值这种问题，需要牵扯到之前的选择的问题，我们都可以枚举每一个位置为最后一个位置，然后去求解答案。