今天开始动态规划的章节,差不多最后一章了,加油!!!
今日任务:
- 动态规划理论讲解
- 509.斐波那契数
- 70.爬楼梯
- 746.使用最小花费爬楼梯
动态规划理论基础
1、动规问题:
动态规划可解决的题目类型:
动态规划,英文:Dynamic Programming,简称DP,如果某一问题有很多重叠子问题,那么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,这一点有区别与贪心,贪心没有状态推导,而是从局部中直接选取最优的。
动规是由前一个状态推导出来的,而贪心是局部中直接选取最优的,对于刷题来说足够了。
2、动态规划五部曲(非常重要)
状态转移公式很重要,但是动态规划中不仅仅只有递推公式。对于动态规划,可以拆分为五部曲:
(1)确定dp数组以及下标的含义;
(2)确定递推公式;
(3)考虑dp数组如何初始化;
(4)确定遍历顺序;
(5)举例推导dp数组
3、动态规划应该如何debug?
(1)找问题的最好方式就是把dp数组打印出来,看看究竟是不是按照自己思路推导的;
(2)在做动规的题目,写代码之前一定要把状态转移在dp数组上具体情况模拟一遍,心中有数,确定最后退出来的是想要的结果;
(3)如果没通过就打印dp数组,在遇到问题之前应该首先思考下面3个问题:
- 这道题目距离推导状态转移方程了吗?
- 打印出dp数组了吗?
- 打印出来的dp数组和自己想的一样吗
题目一:509.斐波那契数
Leetcode题目:【509.斐波那契数】
参考:【代码随想录之斐波那契数】
按照动态规划五部曲来分析:
(1)确定dp[i]的含义,dp[i]表示是第i个斐波那契数;
(2)递推公式:dp[i] = dp[i-1] + dp[i-2];
(3)dp数组如何初始化:dp[0] = 0,dp[1] = 1;
(4)遍历顺序:从前往后;
(5)打印dp数组
class Solution {
public:
int fib(int n) {
vector<int> dp(n+1);
if(n == 0 || n==1) return n;
dp[0] = 0;
dp[1] = 1;
for(int i = 2; i <= n; i++){
dp[i] = dp[i-1] + dp[i-2];
}
return dp[n];
}
};
题目二:70.爬楼梯
Leetcode题目:【70.爬楼梯】
参考:【代码随想录之爬楼梯】
此题爬楼梯看起来优点负责,其实只需要分解:因为题目中告诉我们有两种爬楼梯的方式:可以1步也可以2步,那么可以这样确定dp[i]:
(1)假设dp[i-1]表示上了i-1层楼梯,那再上一层楼梯就是dp[i]了;
(2)假设dp[i-2]表示上了i-2层楼梯,那么再一步跳两个台阶就可以了。
那么dp[i] = dp[i-1] + dp[i-2]。
因此可以按照递归五部曲考虑:
(1)确定dp数组以及下标的含义:dp[i]:表示爬到第i层,有dp[i]种方法;
(2)确定递推公式:从dp[i]的定义上,dp[i]可以看出,有两个方向,dp[i-1] 和dp[i-2];
(3)dp数组初始化:
dp[0]=1,dp[1] = 1, dp[2] = 2,递推可以考虑从i=3开始
(4)确定遍历顺序:从前往后遍历
(5)举例推导dp数组:
n = 5;
dp[0] = 1, dp[1] = 1, dp[2] = 2, dp[3] = 3, dp[4] = 5, dp[5] = 8;
正确代码(与斐波那契数列很像):
class Solution {
public:
int climbStairs(int n) {
vector<int> dp(n+1);
if(n == 0) return 1;
if(n == 1 || n==2) return n;
dp[1] = 1; dp[2] = 2;
for(int i = 3; i<=n; i++){
dp[i] = dp[i-1] + dp[i-2];
}
return dp[n];
}
};
题目三:746.使用最小花费爬楼梯
Leetcode题目:【746.使用最小花费爬楼梯】
参考:【代码随想录之使用最小花费爬楼梯】
按照动态规划五部曲:
(1)确定dp数组以及下标的含义:dp[i]表示到达第i个台阶的最小花费;
(2)确定递推公式:
对于dp[i]有两种方法:
dp[i] = dp[i-1] + cost[i-1];
dp[i] = dp[i-2] + cost[i-2];
dp[i] = min{dp[i-1] + cost[i-1], dp[i-2] + cost[i-2]}
(3)dp数组的初始化:
dp[0] = 0, dp[1] = 0;
(4)确定遍历顺序:从左到右
(5)dp数组距离说明:
class Solution {
public:
int minCostClimbingStairs(vector<int>& cost) {
vector<int> dp(cost.size() + 1);
if(cost.size() <= 1) return 0;
dp[0] = 0; dp[1] = 0;
for(int i = 2; i<=cost.size(); i++){
dp[i] = min(dp[i-1] + cost[i-1], dp[i-2]+cost[i-2]);
}
return dp[cost.size()];
}
};