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