动态规划基础
当某一问题有很多重叠子问题时,是用动态规划是最有效的。动态规划种每一个状态一定是由上一个状态推导出来的。
动态规划逻辑链:
- 确定dp数组以及下标的含义
- 确定递推公式
- dp数组如何初始化
- 确定遍历顺序
- 举例推到dp数组
509.斐波那契数
斐波那契数组的动态规划做法:
1.首先设dp为一维数组,其中dp[i[的值代表斐波那契数列的第i个数字。
2.由题意得转移方程 dp[i+1] = dp[i]+dp[i-1]
,即对应数列定义f(n+1) = f(n)+f(n-1)
3.初始状态为dp[0] = 0,dp[1] = 1
class Solution:
def fib(self, n: int) -> int:
# a = f0 b = f1
a, b = 0, 1
# 循环n次 因此最后return a而不是b
for _ in range(n):
a, b = b, a + b
return a % 1000000007
70.爬楼梯
分析:dp[1] =1,dp[2] = 2,dp[3] = dp[2]+dp[1]=3,dp[4] = dp[3]+dp[2]=5,dp[5]=dp[4]+dp[3]=8
则转移方程为dp[i] = dp[i-1]+dp[i-2]
class Solution:
def climbStairs(self, n: int) -> int:
a = 1
b = 2
# 初始是1阶 所以需要再爬n-1阶即可到达n阶
for _ in range(n-1):
a, b = b,a+b
return a
746.使用最小花费爬楼梯
首先cost[i]是从楼梯第i个台阶向上爬需要支付的费用,每次支付后都可以选择爬1或2个台阶。
注意:第i阶台阶是第i-1阶台阶的阶梯顶部
此处分析到达i阶台阶的阶梯顶部的最小花费,有两个选择:
1.即先走到i-1 再走到i先付出最小总花费minCost[i-1]
到达第i级台阶,踏上第i级台阶需要再花费cost[i]
,再迈一步到达第i级台阶的阶梯顶部,最小总花费为minCost[i-1] + cost[i]
2.直接从i-2跳两格到i 先付出最小总花费minCost[i-2]
到达第i-1级台阶。minCost[i-2] + cost[i-1]
则有 minCost[i] = min(minCost[i-1]+cost[i],minCost[i-2]+cost[i-1])
台阶的数组从0开始计数,可以用-1代表地面,并设cost[-1] = 0
最小总花费的初始值为:
第0级台阶 minCost[0] = min(cost[-1],cost[0]) = min(0,cost[0]) = 0
,
第1级台阶minCost[1] = min(cost[0],cost[1])
class Solution:
def minCostClimbingStairs(self, cost: List[int]) -> int:
# n代表楼梯阶数
n = len(cost)
# 到达第i级台阶先要付出最小总花费minCost[i-1]
minCost = [0] * n
# 到达第1级台阶的阶梯顶部所需的最小总花费
minCost[1] = min(cost[0], cost[1])
for i in range(2,n):
# 到达第i台阶的阶梯顶部有两个情况、
# 情况1 首先到达第i-1台阶的阶梯顶部所需最小费用再加上从第i-1台阶的阶梯顶部出发1个台阶的费用
# 情况2 首先到达第i-2台阶的阶梯顶部所需的最小费用再加上从第i-2台阶的阶梯顶部出发2个台阶的费用
minCost[i] = min(minCost[i-1]+cost[i],minCost[i-2]+cost[i-1])
return minCost[-1]