【代码随想录】Day 38 动态规划1

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：

1. 确定dp数组（dp table）以及下标的含义
2. 确定递推公式
3. dp数组如何初始化
4. 确定遍历顺序
5. 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];
    }
};