动态规划
【什么是动态规划】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。
【与贪心算法区别】贪心算法是局部最优推出全局最优,而动态规划是由前一个状态推导后一个状态,前后相关联的。
【解题步骤】
1. 确定 dp 数组及其下标含义
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(debug)
-
509. 斐波那契数
【思路】根据解题五步,没什么难的,就是前两个相加的和,所以初始化前两个值为 0 和 1,从第三个开始遍历,但是要注意下标和第几个数不一样,所以i
起始为 2,不是 3。var fib = function(n) { if (n === 0) return n; let dp = [0, 1]; for (let i = 2; i <= n; i++) { dp[i] = dp[i - 1] + dp[i - 2]; } return dp[n]; };
-
70. 爬楼梯
[思路】画图找规律,就会发现,每个阶梯的方法就等于前两个阶梯的方法的和,初始前两个阶梯的方法数,就可以了呗,其实也是斐波那契数列的应用。var climbStairs = function(n) { let dp = [0, 1, 2]; for (let i = 3; i <= n; i++) { dp[i] = dp[i - 1] + dp[i - 2]; } return dp[n]; };
-
746. 使用最小花费爬楼梯
【思路】上一道题的花样罢了,还是画图找规律,求多少种上楼方法,就是前两个楼层方法相加,求最小花费,那就是要么迈一步要么迈两步,从两者之间选个花费小的即可。var minCostClimbingStairs = function(cost) { let dp = [0, 0]; for (let i = 2; i <= cost.length; i++) { dp[i] = Math.min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2]); } return dp[cost.length]; };
参考代码随想录:https://www.programmercarl.com/