DAY38 动态规划01

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：

1. 确定dp数组以及下标的含义
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]