第三十八天|dp-CSDN博客

本文链接：https://blog.csdn.net/weixin_43880126/article/details/130283437

文章介绍了动态规划(DP)和贪心算法的区别，并通过三个例子——斐波那契数列、爬楼梯问题以及最小成本爬楼梯问题，展示了DP的五部曲方法。每个问题都提供了两种不同的解决方案，强调了DP中状态转移的重要性以及贪心算法寻找局部最优解的特点。

摘要由CSDN通过智能技术生成

dp和贪心的区别在于dp是与之前的dp状态相关的,二贪心并没有状态的推导,只是局部解为全局解

dp五部曲:确定下标含义.确定递推公式.初始化,如何遍历,举例验证

509. Fibonacci Number

这道题就很简单了,基本的都给了

Way1:

dp下标代表i对应的值是多少,其他的都有了直接用

class Solution:
    def fib(self, n: int) -> int:
        dp=[0 for _ in range(n+1)]
        if n==0:
            return 0
        if n==1:
            return 1
        dp[0]=0
        dp[1]=1
        for i in range(2,n+1):
            dp[i]=dp[i-1]+dp[i-2]
        return dp[-1]

70. Climbing Stairs

这道题就要稍微思考一下了,因为不是所有的都给了

Way1:

dp[i]代表到i步为止一共有多少种方法.初始要考虑i=1和i=2的情况.i=0不用考虑

class Solution:
    def climbStairs(self, n: int) -> int:
        if n==1:
            return 1
        dp=[0 for _ in range(n+1)]
        dp[1]=1
        dp[2]=2
        for i in range(3,n+1):
            dp[i]=dp[i-1]+dp[i-2]
        return dp[-1]

746. Min Cost Climbing Stairs

这道题就要考虑清楚了.首先dp[i]代表的是到当前步最小的花销.其次对于当前步来说dp[i]和dp[i-1],dp[i-2],cost[i-1],cost[i-2]都有关.初始化数组要初始化到len(cost)+1,因为最后要越过整个cost数组

Way1:

按照上面的分析递推公式为dp[i]=min(dp[i-1]+cost[i-1],dp[i-2]+cost[i-2]) ,注意遍历从2开始

class Solution:
    def minCostClimbingStairs(self, cost: List[int]) -> int:
        dp=[0 for _ in range(len(cost)+1)]
        for i in range(2,len(cost)+1):
            dp[i]=min(dp[i-1]+cost[i-1],dp[i-2]+cost[i-2])
        return dp[-1]

Way2:

这种方法更加巧妙,直接改cost数组,但是cost[i]代表到未来两步内的最小花销,所以最后要取cost[-1]和cost[-2]的最小值, 遍历还是从2开始

class Solution:
    def minCostClimbingStairs(self, cost: List[int]) -> int:
        for i in range(2,len(cost)):
            cost[i]=min(cost[i-1],cost[i-2])+cost[i]
        return min(cost[-1],cost[-2])