动态规划理论基础
文档讲解 : 代码随想录 - 动态规划理论基础
状态:再次回顾。
动态规划解题步骤:(五部曲)
- 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
文档讲解 : 代码随想录 - 509. 斐波那契数
状态:再次回顾。
动态规划五部曲:
-
确定dp数组(dp table)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
遍历的顺序一定是从前到后遍历的 -
举例推导dp数组
按照这个递推公式dp[i] = dp[i - 1] + dp[i - 2]
,推导一下,当N
为10
的时候,dp数组应该是如下的数列:0 1 1 2 3 5 8 13 21 34 55
本题代码:
class Solution {
public:
int fib(int N) {
if (N <= 1) return N;
vector<int> dp(N + 1);
dp[0] = 0;
dp[1] = 1;
for (int i = 2; i <= N; i++) {
dp[i] = dp[i - 1] + dp[i - 2];
}
return dp[N];
}
};
- 时间复杂度: O ( n ) O(n) O(n)
- 空间复杂度: O ( n ) O(n) O(n)
70. 爬楼梯
文档讲解 : 代码随想录 - 70. 爬楼梯
状态:再次回顾。
动态规划五部曲:
-
确定dp数组(dp table)以及下标的含义
dp[i]的定义为:爬到第i层楼梯,有dp[i]种方法 -
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
遍历的顺序是从前到后遍历的 -
举例推导dp数组
按照这个递推公式dp[i] = dp[i - 1] + dp[i - 2]
,推导一下,当N
为5
的时候,dp数组应该是:
本题代码:
class Solution {
public:
int climbStairs(int n) {
if (n <= 1) return n; // 因为下面直接对dp[2]操作了,防止空指针
vector<int> dp(n + 1);
dp[1] = 1;
dp[2] = 2;
for (int i = 3; i <= n; i++) { // 注意i是从3开始的
dp[i] = dp[i - 1] + dp[i - 2];
}
return dp[n];
}
};
- 时间复杂度: O ( n ) O(n) O(n)
- 空间复杂度: O ( n ) O(n) O(n)
746. 使用最小花费爬楼梯
文档讲解 : 代码随想录 - 746. 使用最小花费爬楼梯
状态:再次回顾。
动态规划五部曲:
-
确定dp数组(dp table)以及下标的含义
dp[i]的定义为:到达第i台阶所花费的最少体力为dp[i] -
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
遍历的顺序是从前到后遍历的 -
举例推导dp数组
cost = [1, 100, 1, 1, 1, 100, 1, 1, 100, 1] ,来模拟一下dp数组的状态变化,如下:
本题代码:
class Solution {
public:
int minCostClimbingStairs(vector<int>& cost) {
vector<int> dp(cost.size() + 1);
dp[0] = 0; // 默认第一步都是不花费体力的
dp[1] = 0;
for (int i = 2; i <= cost.size(); i++) {
dp[i] = min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2]);
}
return dp[cost.size()];
}
};
- 时间复杂度: O ( n ) O(n) O(n)
- 空间复杂度: O ( n ) O(n) O(n)