目录:
解题及思路学习
基础知识:
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,
对于动态规划问题,可拆解为如下五步曲:
- 确定dp数组(dp table)以及下标的含义
- 确定递推公式
- dp数组如何初始化
- 确定遍历顺序
- 举例推导dp数组
debug: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!
做动规的题目,写代码之前一定要把状态转移在dp数组的上具体情况模拟一遍,心中有数,确定最后推出的是想要的结果。
然后再写代码,如果代码没通过就打印dp数组,看看是不是和自己预先推导的哪里不一样。
如果打印出来和自己预先模拟推导是一样的,那么就是自己的递归公式、初始化或者遍历顺序有问题了。
如果和自己预先模拟推导的不一样,那么就是代码实现细节有问题。
这样才是一个完整的思考过程,而不是一旦代码出问题,就毫无头绪的东改改西改改,最后过不了,或者说是稀里糊涂的过了。
509. 斐波那契数
https://leetcode.cn/problems/fibonacci-number/
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
思考:有点像以前递归的那种感觉。
虽然能过,但是耗时比较长。
class Solution {
public:
int fib(int n) {
if (n == 0) return 0;
if (n == 1) return 1;
return fib(n-1) + fib(n-2);
}
};
- 时间复杂度:O(2^n)
- 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(递归时间复杂度 = 递归的次数 * 每次递归中的操作次数)
随想录:
动规五部曲:
这里我们要用一个一维dp数组来保存递归的结果
-
确定dp数组以及下标的含义
dp[i]的定义为:第i个数的斐波那契数值是dp[i]
-
确定递推公式
状态转移方程 dp[i] = dp[i - 1] + dp[i - 2];
-
dp数组如何初始化
dp[0] = 0;
dp[1] = 1;
- 确定遍历顺序
从递归公式dp[i] = dp[i - 1] + dp[i - 2];中可以看出,dp[i]是依赖 dp[i - 1] 和 dp[i - 2],那么遍历的顺序一定是从前到后遍历的
- 举例推导dp数组
推导一下,当N为10的时候,dp数组应该是如下的数列:0 1 1 2 3 5 8 13 21 34 55
如果代码写出来,发现结果不对,就把dp数组打印出来看看和我们推导的数列是不是一致的。
class Solution {
public:
int fib(int n) {
if (n < 2) return n;
vector<int> dp(n+1);
dp[0] = 0;
dp[1] = 1;
for (int i = 2; i <= n; i++) {
dp[i] = dp[i - 1] + dp[i - 2];
}
return dp[n];
}
};
- 时间复杂度:O(n)
- 空间复杂度:O(n)
自己动手打印中间值的测试代码:
#include<iostream>
#include<vector>
#include<string>
using namespace std;
class Solution {
public:
int fib(int n) {
if (n < 2) return n;
vector<int> dp(n + 1);
dp[0] = 0;
dp[1] = 1;
for (int i = 2; i <= n; i++) {
dp[i] = dp[i - 1] + dp[i - 2];
cout << dp[i] << " ";
}
cout << endl;
return dp[n];
}
};
int main()
{
int n;
cin >> n;
Solution s;
int result = s.fib(n);
cout << "n:" << n << " result:" << result;
//system("pause");
return 0;
}
当然可以发现,我们只需要维护两个数值就可以了,不需要记录整个序列。
class Solution {
public:
int fib(int n) {
if (n < 2) 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];
}
};
- 时间复杂度:O(n)
- 空间复杂度:O(1)
70. 爬楼梯
https://leetcode.cn/problems/climbing-stairs/
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
思考:由于后一步楼梯的状态是有上一步状态推导出来的 ,所以可以使用动态规划算法。
1、dp[i] 数组代表第i步时候楼梯的阶数。
2、递归公式: dp[i] = dp[i-1] + dp[i-2] + … + dp[0].
3、初始化:
感觉想错了。想不明白,直接看解析。
随想录:1阶一种方法,2阶有两种方法。3阶有三种方法。当大于等于3阶的时候,每个阶梯的方法数只跟前两个阶梯的方法数有关。例如:三阶可以有一阶跨两步,也可以有两阶跨一步。所以:
1、dp[i] 表示到达i阶有dp[i]种方法。
2、递推公式: dp[i] = dp[i-1] + dp[i-2]
3、初始化:dp[1] = 1; dp[2] = 2;
4、确定遍历顺序。从递归公式dp[i] = dp[i - 1] + dp[i - 2];中可以看出,dp[i]是依赖 dp[i - 1] 和 dp[i - 2],那么遍历的顺序一定是从前到后遍历的
5、举例推导:推导一下,当N为10的时候,dp数组应该是如下的数列:0 1 1 2 3 5 8 13 21 34 55
// 版本一
class Solution {
public:
int climbStairs(int n) {
if (n <= 1) return n; // 因为下面直接对dp[2]操作了,防止空指针
vector<int> dp(n + 1);
dp[1] = 1;
dp[2] = 2;
for (int i = 3; i <= n; i++) { // 注意i是从3开始的
dp[i] = dp[i - 1] + dp[i - 2];
}
return dp[n];
}
};
- 时间复杂度: O ( n ) O(n) O(n)
- 空间复杂度: O ( n ) O(n) O(n)
优化空间复杂度:
// 版本二
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];
}
};
- 时间复杂度: O ( n ) O(n) O(n)
- 空间复杂度: O ( 1 ) O(1) O(1)
后面将讲解的很多动规的题目其实都是当前状态依赖前两个,或者前三个状态,都可以做空间上的优化,但我个人认为面试中能写出版本一就够了哈,清晰明了,如果面试官要求进一步优化空间的话,我们再去优化。
746. 使用最小花费爬楼梯
https://programmercarl.com/0746.使用最小花费爬楼梯.html
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 。
思考:按照动态规划的思路去想。由于可以选择爬一个或者两个台阶,所以第i个台阶的最低费用为前两个台阶的费用+到前两个台阶的费用 的最小值。
1、dp[i] 表示 到第i个台阶的最低费用dp[i]。
2、递推公式: dp[i] = min( dp[i-1] + cost[i-1], dp[i-2] + cost[i-2])。
3、初始化:dp[0] = 0, dp[1] = 0. (由于可以选择从0或者1 阶梯开始,所以,刚开始费用为0)
4、从前往后遍历
class Solution {
public:
int minCostClimbingStairs(vector<int>& cost) {
int n = cost.size();
if (n <= 2) return min(cost[0], cost[1]);
vector<int> dp(n + 1);
dp[0] = 0;
dp[1] = 0;
for (int i = 2; i <= n; i++) {
dp[i] = min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2]);
}
return dp[n];
}
};
- 时间复杂度: O ( n ) O(n) O(n)
- 空间复杂度: O ( n ) O(n) O(n)
优化空间:
class Solution {
public:
int minCostClimbingStairs(vector<int>& cost) {
int n = cost.size();
int dp[2];
dp[0] = 0;
dp[1] = 0;
for (int i = 2; i <= n; i++) {
int min_cost = min(dp[0] + cost[i-2], dp[1] + cost[i-1]);
dp[0] = dp[1];
dp[1] = min_cost;
}
return dp[1];
}
};
- 时间复杂度: O ( n ) O(n) O(n)
- 空间复杂度: O ( 1 ) O(1) O(1)
经过前两道题的铺垫,最后一道题自己AC。
知识点记录
知识点
动态规划五部曲:
- 确定dp数组(dp table)以及下标的含义
- 确定递推公式
- dp数组如何初始化
- 确定遍历顺序
- 举例推导dp数组
个人反思
1、当看到前后状态有关联的时候,就可以考虑使用动态规划方法了。
2、做动态规划题目,按照五部曲来做题,思路会比较清晰。