动态规划理论基础
动规五部曲:
- 确定dp数组 下标及dp[i] 的含义。
- 递推公式:比如斐波那契数列 dp[i] = dp[i-1] + dp[i-2]。
- 初始化dp数组。
- 确定遍历顺序:从前到后or其他。
- 推导dp数组。
出现结果不正确:
- 打印dp日志和自己想的一样:递推公式、初始化或者遍历顺序出错。
- 打印dp日志和自己想的不一样:代码实现细节出现问题。
509. 斐波那契数
参考文档:代码随想录
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 给你n ,请计算 F(n) 。
- 示例 1:
输入:2
输出:1
解释:F(2) = F(1) + F(0) = 1 + 0 = 1
分析:
dp五部曲:
- dp[i]:n = i 时候的斐波那契值。
- dp[i] = dp[i-1] + dp[i-2]。
- 初始化 dp[0] = 0; dp[1] = 2。
- 由递推公式可知 从前到后 遍历。
- n = 6; fi = [0,1,1,2,3,5,8]; F(6) = 8。
代码:
class Solution {
public:
int fib(int n) {
if (n <= 1) 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];
}
};
70. 爬楼梯
参考文档:代码随想录
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?
注意:给定 n 是一个正整数。
- 示例 1:
输入: 2
输出: 2
解释: 有两种方法可以爬到楼顶。
1 阶 + 1 阶
2 阶- 示例 2:
输入: 3
输出: 3
解释: 有三种方法可以爬到楼顶。
1 阶 + 1 阶 + 1 阶
1 阶 + 2 阶
2 阶 + 1 阶
分析:
题目分析:到达该层是从前一层跳一步 或者 从前两层跳两步。所以跳到本层的方法由前一层和前两层之和 决定。这是 从前到后 动态变化 的,前面的推到出来后面,需要动规处理。
dp五部曲:
- dp[i]含义:到达i层的方法个数。
- 递推公式:dp[i] = dp[i-1] + dp[i-2]。
- 初始化:dp[1] = 1; dp[2] = 2。
- 遍历顺序:从前到后。
- 推导dp数组:n = 4; dp = [1,1,2,3,5], 爬四层有5种方法。
代码:
class Solution {
public:
int climbStairs(int n) {
vector<int> dp(n+1);
dp[0] = 1;
dp[1] = 1;
for (int i = 2; i <= n; i++) dp[i] = dp[i-1] + dp[i-2];
return dp[n];
}
};
746. 使用最小花费爬楼梯
参考文档:代码随想录
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 。
分析:
dp五部曲:
- dp[i]表示到达i层的最小花费值。
- 由于能跳一步或两步,所以 当前层的最小体力值 = min(前一层的最小体力值+在前一层跳的体力值, 前两层的最小体力值+在前两层跳的体力值)。dp[i] = min(dp[i-1]+cost[i-1], dp[i-2]+cost[i-2]);
- 初始化:由题意从下标0或下标1开始爬,dp[0] = 0; dp[1] = 1;
- 从前到后遍历,求 i = 2 到 i = 顶层的 最小体力花费值。
- cost = [10, 15, 20]; dp = [0, 0, 10, 15]。
何处是顶层?
在cost数组的最后一个数的下一个是顶层。
代码:
class Solution {
public:
int minCostClimbingStairs(vector<int>& cost) {//从局部的最优 推到 全局的最优
vector<int> dp(cost.size()+ 1);
dp[0] = 0; //在爬到i层的花费
dp[1] = 0;
for(int i = 2; i < dp.size(); i++){
if((cost[i-1] + dp[i-1]) < (cost[i-2]+dp[i-2])) dp[i] = cost[i-1] + dp[i-1];
else dp[i] = cost[i-2] + dp[i-2];
//dp[i] = min(cost[i-1] + dp[i-1], cost[i-2] + dp[i-2]);
}
return dp[cost.size()];
}
};