动态规划基础
如果某一问题有很多重叠子问题,使用动态规划是最有效的。
所以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。
动规基础、背包问题、打家劫舍、股票问题、子序列问题
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
递推公式决定了dp数组要如何初始化!
debug:
把dp数组打印出来,看看究竟是不是按照自己思路推导的!
做动规的题目,写代码之前一定要把状态转移在dp数组的上具体情况模拟一遍,心中有数,确定最后推出的是想要的结果。
如果代码没通过就打印dp数组,看看是不是和自己预先推导的哪里不一样。
如果打印出来和自己预先模拟推导是一样的,那么就是自己的递归公式、初始化或者遍历顺序有问题了。
如果和自己预先模拟推导的不一样,那么就是代码实现细节有问题。
第一题:
力扣(LeetCode)官网 - 全球极客挚爱的技术成长平台
class Solution {
public:
int fib(int n) {
if (n <= 1) return n;
vector<int> dp(n+1);
//dp初始化
dp[0] = 0;
dp[1] = 1;
for (int i = 2; i <= n; i++) {
//递推公式
dp[i] = dp[i-1] + dp[i-2];
}
return dp[n];
}
};
第二题:
力扣(LeetCode)官网 - 全球极客挚爱的技术成长平台
class Solution {
public:
int climbStairs(int n) {
if (n < 3) return n;
vector<int> dp(n + 1);
//dp初始化
dp[0] = 0;
dp[1] = 1;
dp[2] = 2;
for (int i = 3; i <= n; i++) {
//递推公式
dp[i] = dp[i-1] + dp[i-2];
}
return dp[n];
}
};
第三题:
力扣(LeetCode)官网 - 全球极客挚爱的技术成长平台
class Solution {
public:
int minCostClimbingStairs(vector<int>& cost) {
int n = cost.size(); //一共有多少个楼梯
vector<int> dp(n + 1);
//dp初始化
dp[0] = 0;
dp[1] = 0;
for (int i = 2; i <= n; i++) {
//递推公式
dp[i] = min(dp[i-1] + cost[i-1], dp[i-2] + cost[i-2]);
}
return dp[n];
}
};