代码随想录算法训练营day41 | 509. 斐波那契数、70. 爬楼梯、746. 使用最小花费爬楼梯

理论基础

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

动态规划的解题步骤

• 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

动态规划应该如何debug？

      找问题的最好方式就是把dp数组打印出来，看看究竟是不是按照自己思路推导的！

509. 斐波那契数

• 确定dp数组以及下标的含义：dp[i]的定义为：第i个数的斐波那契数值是dp[i]
• 确定递推公式：dp[i] = dp[i - 1] + dp[i - 2]
• dp数组如何初始化：dp[0] = 0 dp[1] = 1
• 确定遍历顺序：从前向后
• 举例推导dp数组

class Solution:
    def fib(self, n: int) -> int:
        if n <= 1:
            return n
        dp = [0, 1]
        for i in range(2, n+1):
            total = dp[0] + dp[1]
            dp[0] = dp[1]
            dp[1] = total
        return dp[1]

70. 爬楼梯

• 确定dp数组以及下标的含义：dp[i]为爬上i阶楼梯有多少方法
• 确定递推公式：dp[i] = dp[i-1] + dp[i-2]
• dp数组如何初始化：dp[1] = 1 dp[2] = 2
• 确定遍历顺序：从前向后遍历
• 举例推导dp数组

class Solution:
    def climbStairs(self, n: int) -> int:
        if n <= 2:
            return n
        dp = [1, 2]
        for i in range(3, n+1):
            total = dp[0] + dp[1]
            dp[0] = dp[1]
            dp[1] = total
        return dp[1]

746. 使用最小花费爬楼梯

• 确定dp数组以及下标的含义：dp[i]代表爬上第i个台阶的最低花费
• 确定递推公式：dp[i] = min(dp[i-1]+cost[i-1], dp[i-2]+cost[i-2])
• dp数组如何初始化：dp[0] = 0 dp[1] = 0
• 确定遍历顺序：从前向后遍历
• 举例推导dp数组

class Solution:
    def minCostClimbingStairs(self, cost: List[int]) -> int:
        if len(cost) <= 1:
            return 0
        dp = [0, 0]
        for i in range(2, len(cost)+1):
            total = min(dp[1]+cost[i-1], dp[0]+cost[i-2])
            dp[0] = dp[1]
            dp[1] = total
        return dp[1]