python 动态规划最少走几步_leetcode746. 使用最小花费爬楼梯 动态规划简单题 python3...

标签：

数组的每个索引做为一个阶梯，第 i个阶梯对应着一个非负数的体力花费值 cost[i](索引从0开始)。

每当你爬上一个阶梯你都要花费对应的体力花费值，然后你可以选择继续爬一个阶梯或者爬两个阶梯。

您需要找到达到楼层顶部的最低花费。在开始时，你可以选择从索引为 0 或 1 的元素作为初始阶梯。

示例 1:

输入: cost = [10, 15, 20]

输出: 15

解释: 最低花费是从cost[1]开始，然后走两步即可到阶梯顶，一共花费15。

示例 2:

输入: cost = [1, 100, 1, 1, 1, 100, 1, 1, 100, 1]

输出: 6

解释: 最低花费方式是从cost[0]开始，逐个经过那些1，跳过cost[3]，一共花费6。

注意：

cost 的长度将会在 [2, 1000]。

每一个 cost[i] 将会是一个Integer类型，范围为 [0, 999]

解题思路:

一般遇到求最小，最大或其他一系列最值的话很有可能是可以用动态规划解决的，即面对一个整体的最优解问题，去寻找里面的每一个子问题的最优解，当所有子问题的最优解求出来后，整体的最优解自然而然的也就浮现出来.

求解动态规划我们需要找到状态和状态转移方程，即我们要找到某个状态的最优解，然后在它的帮助下，找到下一个状态的最优解。

对这一题，求最短花费即是当我们遍历完整个数组后，所花费的最短消耗体力，我们将到达每一个台阶的最优解定位df[i],

根据题意可以得出:

dp[0] = 0

dp[1] = 0

而我们要求的最终结果应该需要求出dp[len(cost)],因为我们最后需要跳出到数组之外，我们假定该数组还有个终点位，该终点位置的下标即为cost数组长度

len(cost)

状态找到后开始寻找状态转移方程，由于题目所说，每次可以上一阶或两阶台阶，不难想到，当i>2时，每一阶的最短花费即是前一阶或前两阶的花费加上他们本身的dp[i]中较小的那个，这样求得的新台阶的状态依然可以肯定为最小值,即

dp[i] = min(dp[i-1]+cost[i-1],dp[i-2]+cost[i-2])

这便是状态转移方程，当状态转移方程得到后，我们便很容易的可以写出最后的结果

class Solution:

def minCostClimbingStairs(self, cost):

"""

:type cost: List[int]

:rtype: int

"""

if len(cost) == 2:

return min(cost[0],cost[1])

dp = [0 for i in range(len(cost)+1)]

for i in range(2,len(cost)+1):

dp[i] = min(dp[i-2]+cost[i-2],dp[i-1]+cost[i-1])

return dp[len(cost)]

在我看来，这种类型的简单题目对于理解动态规划是非常有帮助的，继续加油

标签：

来源： https://blog.csdn.net/Mrs_fanshuishui/article/details/82685930