_33LeetCode代码随想录算法训练营第三十三天-动态规划| 509.斐波那契数、70.爬楼梯、746.使用最小花费爬楼梯

_33LeetCode代码随想录算法训练营第三十三天-动态规划| 509.斐波那契数、70.爬楼梯、746.使用最小花费爬楼梯

题目列表

• 理论基础
• 509.斐波那契数
• 70.爬楼梯
• 746.使用最小花费爬楼梯

理论基础

代码随想录地址：https://programmercarl.com/%E5%8A%A8%E6%80%81%E8%A7%84%E5%88%92%E7%90%86%E8%AE%BA%E5%9F%BA%E7%A1%80.html#%E4%BB%80%E4%B9%88%E6%98%AF%E5%8A%A8%E6%80%81%E8%A7%84%E5%88%92

动态规划大纲

什么是动态规划

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，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，

动态规划五部曲——超级重要

每一步都要想清楚。

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

509.斐波那契数

代码随想录地址：

https://programmercarl.com/0509.%E6%96%90%E6%B3%A2%E9%82%A3%E5%A5%91%E6%95%B0.html

题目

斐波那契数 （通常用 F(n) 表示）形成的序列称为 斐波那契数列 。该数列由 0 和 1 开始，后面的每一项数字都是前面两项数字的和。也就是：

F(0) = 0，F(1) = 1
F(n) = F(n - 1) + F(n - 2)，其中 n > 1

给定 n ，请计算 F(n) 。

示例 1：

输入：n = 2
输出：1
解释：F(2) = F(1) + F(0) = 1 + 0 = 1

示例 2：

输入：n = 3
输出：2
解释：F(3) = F(2) + F(1) = 1 + 1 = 2

示例 3：

输入：n = 4
输出：3
解释：F(4) = F(3) + F(2) = 2 + 1 = 3

提示：

• 0 <= n <= 30

思路

有三种思路：

• 使用动态规划
• 常识思想
• 递归

代码

动态规划代码

• 时间复杂度：O(n)
• 空间复杂度：O(n)

/*
 * @lc app=leetcode.cn id=509 lang=cpp
 *
 * [509] 斐波那契数
 */

// @lc code=start
class Solution {
public:
    int fib(int n) {
        if(n <= 1)  return n;
        //理解dp的含义
        vector<int> dp(n + 1, 0);
        //初始化dp
        dp[0] = 0;
        dp[1] = 1;
        //从左到右遍历
        for(int i = 2; i <= n; i++)
        {
            dp[i] = dp[i - 1] + dp[i - 2];
        }
        //返回需要的值
        return dp[n];
    }
};
// @lc code=end

常规思路代码(动态规划的优化)

• 时间复杂度：O(n)
• 空间复杂度：O(1)

/*
 * @lc app=leetcode.cn id=509 lang=cpp
 *
 * [509] 斐波那契数
 */

// @lc code=start
class Solution {
public:
    int fib(int n) {
        if(n <= 1)  return n;
        //理解dp的含义
        vector<int> dp(3, 0);
        //初始化dp
        dp[0] = 0;
        dp[1] = 1;
        //从左到右遍历
        for(int i = 2; i <= n; i++)
        {
            dp[2] = dp[1] + dp[0];
            dp[0] = dp[1];
            dp[1] = dp[2];
        }
        //返回需要的值
        return dp[2];
    }
};
// @lc code=end

递归思路代码

• 时间复杂度：O(2^n)（此处很迷糊）
• 空间复杂度：O(n)，算上了编程语言中实现递归的系统栈所占空间

/*
 * @lc app=leetcode.cn id=509 lang=cpp
 *
 * [509] 斐波那契数
 */

// @lc code=start
class Solution {
public:
    int fib(int n) {
        if(n < 2)   return n;
        return fib(n - 1) + fib(n - 2);
    }
};
// @lc code=end

70.爬楼梯

代码随想录地址：https://programmercarl.com/0070.%E7%88%AC%E6%A5%BC%E6%A2%AF.html

题目

假设你正在爬楼梯。需要 n 阶你才能到达楼顶。

每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢？

示例 1：

输入：n = 2
输出：2
解释：有两种方法可以爬到楼顶。
1. 1 阶 + 1 阶
2. 2 阶

示例 2：

输入：n = 3
输出：3
解释：有三种方法可以爬到楼顶。
1. 1 阶 + 1 阶 + 1 阶
2. 1 阶 + 2 阶
3. 2 阶 + 1 阶

提示：

• 1 <= n <= 45

思路

不考虑0层为1种方法还是0种方法。

爬到第一层楼梯有一种方法，爬到二层楼梯有两种方法。

那么第一层楼梯再跨两步就到第三层 ，第二层楼梯再跨一步就到第三层。

所以到第三层楼梯的状态可以由第二层楼梯 和 到第一层楼梯状态推导出来。

其实就是斐波拉契数列。

代码

动态规划思路代码

• 时间复杂度：$O(n)$
• 空间复杂度：$O(n)$

/*
 * @lc app=leetcode.cn id=70 lang=cpp
 *
 * [70] 爬楼梯
 */

// @lc code=start
class Solution {
public:
    int climbStairs(int n) {
        if(n <= 2)
            return n;
        //dp[i]的含义为爬到第i层有多少种方式
        vector<int> dp(n + 1, 0);
        dp[1] = 1;
        dp[2] = 2;
        //从1层两步爬到3层有dp[1]种方法，从2层一步爬到3层有dp[2]种方法
        for(int i = 3; i <= n; i++)
            dp[i] = dp[i - 1] + dp[i - 2];
        return dp[n];
    }
};
// @lc code=end

常规思路代码(动态规划的优化)

• 时间复杂度：$O(n)$
• 空间复杂度：$O(1)$

/*
 * @lc app=leetcode.cn id=70 lang=cpp
 *
 * [70] 爬楼梯
 */

// @lc code=start
class Solution {
public:
    int climbStairs(int n) {
        if(n <= 2)
            return n;
        //dp[i]的含义为爬到第i层有多少种方式
        vector<int> dp(3, 0);
        dp[0] = 1;
        dp[1] = 2;
        //从1层两步爬到3层有dp[1]种方法，从2层一步爬到3层有dp[2]种方法
        for(int i = 3; i <= n; i++)
        {
            dp[2] = dp[1] + dp[0];
            dp[0] = dp[1];
            dp[1] = dp[2];
        }
            
        return dp[2];
    }
};
// @lc code=end

746.使用最小花费爬楼梯

代码随想录地址：https://programmercarl.com/0746.%E4%BD%BF%E7%94%A8%E6%9C%80%E5%B0%8F%E8%8A%B1%E8%B4%B9%E7%88%AC%E6%A5%BC%E6%A2%AF.html

题目

给你一个整数数组 cost ，其中 cost[i] 是从楼梯第 i 个台阶向上爬需要支付的费用。一旦你支付此费用，即可选择向上爬一个或者两个台阶。

你可以选择从下标为 0 或下标为 1 的台阶开始爬楼梯。

请你计算并返回达到楼梯顶部的最低花费。

示例 1：

输入：cost = [10,15,20]
输出：15
解释：你将从下标为 1 的台阶开始。
- 支付 15 ，向上爬两个台阶，到达楼梯顶部。
总花费为 15 。

示例 2：

输入：cost = [1,100,1,1,1,100,1,1,100,1]
输出：6
解释：你将从下标为 0 的台阶开始。
- 支付 1 ，向上爬两个台阶，到达下标为 2 的台阶。
- 支付 1 ，向上爬两个台阶，到达下标为 4 的台阶。
- 支付 1 ，向上爬两个台阶，到达下标为 6 的台阶。
- 支付 1 ，向上爬一个台阶，到达下标为 7 的台阶。
- 支付 1 ，向上爬两个台阶，到达下标为 9 的台阶。
- 支付 1 ，向上爬一个台阶，到达楼梯顶部。
总花费为 6 。

提示：

• 2 <= cost.length <= 1000
• 0 <= cost[i] <= 999

思路

dp数组的含义：dp[i]表示到达下标为i的台阶的最小花费为dp[i]

递推公式：dp[i] = min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2])

代码

• 时间复杂度：O(n)
• 空间复杂度：O(n)

/*
 * @lc app=leetcode.cn id=746 lang=cpp
 *
 * [746] 使用最小花费爬楼梯
 */

// @lc code=start
class Solution {
public:
    int minCostClimbingStairs(vector<int>& cost) {
        //dp数组的含义：dp[i]表示到达下标为i的台阶的最小花费为dp[i]
        //将dp[0]和dp[1]初始化为0，根据题意来的
        vector<int> dp(cost.size() + 1, 0);
        //递推公式：dp[i] = min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2])
        //题意说了只需要两步
        for(int i = 2; i <= cost.size(); i++)
        {
            //一步消费小就选一步，两步消费小就选两步
            dp[i] = min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2]);
        }
        return dp[cost.size()];
    }
};
// @lc code=end

优化：

• 时间复杂度：O(n)
• 空间复杂度：O(1)

/*
 * @lc app=leetcode.cn id=746 lang=cpp
 *
 * [746] 使用最小花费爬楼梯
 */

// @lc code=start
class Solution {
public:
    int minCostClimbingStairs(vector<int>& cost) {
        //dp数组的含义：dp[i]表示到达下标为i的台阶的最小花费为dp[i]
        //将dp[0]和dp[1]初始化为0，根据题意来的
        vector<int> dp(3, 0);
        //递推公式：dp[i] = min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2])
        //题意说了只需要两步
        for(int i = 2; i <= cost.size(); i++)
        {
            //一步消费小就选一步，两步消费小就选两步
            dp[2] = min(dp[1] + cost[i - 1], dp[0] + cost[i - 2]);
            dp[0] = dp[1];
            dp[1] = dp[2];
        }
        return dp[2];
    }
};
// @lc code=end