动态规划
- DP数组以及下标的含义
- 递推公式
- 初始化
- 遍历顺序
- 打印DP数组
五部曲
509. 斐波那契数
class Solution:
def fib(self, n: int) -> int:
#确定数组和下标的含义,运用一维数组
if n == 0:
return 0
elif n == 1:
return 1
dp = [0]*(n+1)
#初始化
dp[0] = 0
dp[1] = 1
#遍历顺序,从前往后
for i in range(2,n+1):
dp[i] = dp[i-1]+dp[i-2]
#打印dp数组
return dp[-1]
很简单的动规入门题,但简单题使用来掌握方法论的,还是要有动规五部曲来分析。
视频:手把手带你入门动态规划 | 对应力扣(leetcode)题号:509.斐波那契数_哔哩哔哩_bilibili
二刷(未ac)
动态五部曲:
- DP数组以及下标的含义
- 递推公式
- 初始化
- 遍历顺序
- 打印DP数组
var fib = function(n) {
//定义dp[i],指的是第i个Fib的值为dp[i](我是谁)
// 初始化(我是谁)
// 递归逻辑(我从哪来,要到哪去)
// 遍历顺序
// 返回值
let dp = new Array(n)
dp[0] = 0
dp[1] = 1
for(let i = 2;i<n+1;i++){
dp[i] = dp[i-1]+dp[i-2]
}
return dp[n]
};
70. 爬楼梯
class Solution:
def climbStairs(self, n: int) -> int:
if n == 1:
return 1
if n == 2:
return 2
dp = [0]*(n+1)
#初始值
dp[1] = 1
dp[2] = 2
#遍历顺序
#dp数组及下标的含义
for i in range(3,n+1):
dp[i] = dp[i-1] + dp[i-2]
return dp[-1]
本题大家先自己想一想, 之后会发现,和斐波那契数 有点关系。
主要是找规律,如何找到一阶台阶有1种,两阶台阶有2种
三阶台阶= 二阶+1阶
视频:带你学透动态规划-爬楼梯(对应力扣70.爬楼梯)| 动态规划经典入门题目_哔哩哔哩_bilibili
二刷:(未ac)
var climbStairs = function(n) {
const dp = new Array(n)
dp[0] = 1
dp[1] = 1
dp[2] = 2
for(let i = 3;i<n+1;i++){
dp[i] = dp[i-1]+dp[i-2]
}
return dp[n]
};
746. 使用最小花费爬楼梯
这道题目力扣改了题目描述了,现在的题目描述清晰很多,相当于明确说 第一步是不用花费的。
class Solution:
def minCostClimbingStairs(self, cost: List[int]) -> int:
#dp数组的含义及下标的含义,dp[i]代表的是所花费的最小值
dp = [0]*(len(cost)+1)
#初始值
dp[0] = 0
dp[1] = 0
#遍历顺序,从前往后
#终止条件,应该是到达顶楼停止,就是要比cost再多一个1
for i in range(2,len(cost)+1):
#递推公式
dp[i] = min(dp[i-1]+cost[i-1],dp[i-2]+cost[i-2])
#打印数组
return dp[-1]
因为可以选择从0,开始或者从1开始。
假设cost = [10,15,20]
dp[0]开始的话,往上跳一个台阶的话,就是15,到达顶楼就是35
如果从dp[1]开始的话,往上跳一个台阶,就是20,到达顶楼就是20。你也可以选择跳两个台阶,直接15。
dp[0]开始的话,不用花费任何体力,,dp[1]开始的话,也不需要花费任何体力
初始值:dp[0] = 0,dp[1] = 0
递推公式:dp[i] = min(dp[i-1]+cost[i-1],dp[i-2]+cost[i-2])
遍历顺序:从前往后遍历
dp数组含义:dp[i]代表的是到达i位置最小花费的数额
打印数组
更改题目描述之后,相当于是 文章中 「拓展」的解法
视频讲解:动态规划开更了!| LeetCode:746. 使用最小花费爬楼梯_哔哩哔哩_bilibili
二刷(未ac)
var minCostClimbingStairs = function(cost) {
const dp = new Array(cost.length)
dp[0] = 0
dp[1] = 0
for(let i = 2;i<cost.length+1;i++){
dp[i] = Math.min(dp[i-1]+cost[i-1],dp[i-2]+cost[i-2])
}
return dp[cost.length]
};