理论基础
动态规划:一个问题有很多重叠子问题,每一个状态由i上一个状态推导出来。
基本流程
- 确定dp数组已经下标的含义
- 确定递推公式
- 初始化dp数组
- 确定遍历顺序
- 距离推导dp数组
写代码之前一定要把状态转移在dp数组上的具体情况模拟一遍,心中有数才能写出正确的代码。
Leetcode: 509 斐波那契数
作为动态规划专题的入门,完整写一遍流程。
1、确顶下标和含义:第i个数的斐波那契数值是dp[i]
2、递推公式:dp[i] = dp[i -1] + dp{i - 2};
3、初始化:dp[0] =0,dp[1]=1;
4、确定遍历顺序,从前向后遍历
5、推导一下
class Solution {
public:
int fib(int n) {
if(n <= 1) return n;
int dp[2];
dp[0] = 0;
dp[1] = 1;
for(int i = 2; i < n; i++){
int sum = dp[0] + dp[1];
dp[0] = dp[1];
dp[1] = sum;
}
return dp[1] + dp[0];
}
};
//时间复杂度O(N),空间复杂度O(N)
Leetcode: 70 爬楼梯
如果第i个台阶,到第i-1的时候只需要上一个,到i-2的时候上2个台阶,那样状态函数还是斐波拉契数列,第i-2状态的时候的走法加上第i-1个状态的时候的走法。
class Solution {
public:
int climbStairs(int n) {
if (n <= 1) return n;
int dp[3];
dp[1] = 1;
dp[2] = 2;
for (int i = 3; i <= n; i++) {
int sum = dp[1] + dp[2];
dp[1] = dp[2];
dp[2] = sum;
}
return dp[2];
}
};
Leetcode: 746 使用最小花费爬楼梯
一个很好的方法就是往前推导,如果是最后一步了,那往前肯定选的是最小cost的dp。dp的更新就是每次选择最小的损失
class Solution {
public:
int minCostClimbingStairs(vector<int>& cost) {
vector<int> dp(cost.size());
dp[0] = cost[0];
dp[1] = cost[1];
for(int i = 2; i < cost.size();i++){
dp[i] = min(dp[i - 1], dp[i - 2]) + cost[i];
}
return min(dp[cost.size() - 1], dp[cost.size() - 2]);
}
};