动态规划,如果某一问题有很多重叠子问题,使用动态规划是最有效的。动态规划中每一个状态一定是由上一个状态推导出来的,这一点就区分于贪心,贪心没有状态推导,而是从局部直接选最优的。
动态规划问题五步曲
- 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
509. 斐波那契数
- dp数组以及下标的含义:dp[i]代表数字i的斐波那契数
- 递推公式:dp[i] = dp[i-1] + dp[i-2]
- dp数组初始化:dp[0] = 0 dp[1] = 1
- 遍历顺序:从前往后遍历
- 举例推导dp数组:0 1 1 2 3 5 8 13 21
class Solution:
def fib(self, n: int) -> int:
if n <= 1:
return n
dp = [0] * (n+1)
dp[0] = 0
dp[1] = 1
for i in range(2, n+1):
dp[i] = dp[i-1] + dp[i-2]
return dp[n]
因为在dp的递推公式中只使用了前两个数值,所以可以不用声明数组,只要保留前两个值即可
class Solution:
def fib(self, n: int) -> int:
if n <= 1:
return n
pre1 = 0
pre2 = 1
for i in range(2, n+1):
sum = pre1 + pre2
pre1 = pre2
pre2 = sum
return pre2
70. 爬楼梯
第n阶楼梯可以由 n-1阶楼梯爬1步上去 和 n-2阶楼梯爬2步上去
- dp数组以及下标的含义:dp[i]代表第i阶楼梯有多少种方法爬上去
- 递推公式:dp[i] = dp[i-1] + dp[i-2]
- dp数组初始化:dp[1] = 1 dp[2] = 2,本题n>=1,dp[0]没有意义
- 遍历顺序:从前往后遍历
- 举例推导dp数组:从1开始 1 2 3 5 8 13
class Solution:
def climbStairs(self, n: int) -> int:
if n <= 1:
return n
dp = [0] * (n+1)
dp[1] = 1
dp[2] = 2
for i in range(3, n+1):
dp[i] = dp[i-1] + dp[i-2]
return dp[n]
注:上面的代码也可以将数组优化为使用前两个数值
746. 使用最小花费爬楼梯
第n阶楼梯可以由 n-1阶楼梯爬1步上去 和 n-2阶楼梯爬2步上去
- dp数组以及下标的含义:dp[i]代表爬上第i阶楼梯需要多少花费
- 递推公式:dp[i] = min(dp[i-1]+cost[i-1], dp[i-2]+cost[i-2])
- dp数组初始化:dp[0] = 0 dp[1] = 0
- 遍历顺序:从前往后遍历
- 举例推导dp数组:
class Solution:
def minCostClimbingStairs(self, cost: List[int]) -> int:
dp = [0] * (len(cost) + 1)
dp[0] = 0
dp[1] = 0
for i in range(2, len(cost)+1):
dp[i] = min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2])
return dp[-1]