一、LeetCode509. 斐波那契数
1:题目描述(509. 斐波那契数)
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)
。
2:解题思路
class Solution:
def fib(self, n: int) -> int:
# 使用动态规划
# if n ==0: return 0
# 1:确认dp[i]的含义,dp[i]表示第i个斐波那契数列数值为dp[i]
# 3:初始化
dp = [0] * (n+1)
dp[0] = 0 # n为0时,数值也为0
if n > 0: # n大于0
dp[1] = 1
# 4:确认遍历顺序
for i in range(2,n+1):
# 2:确认递推公式
dp[i] = dp[i-1] + dp[i-2]
return dp[n]
二、LeetCode70. 爬楼梯
1:题目描述(70. 爬楼梯)
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?
2:解题思路
class Solution:
def climbStairs(self, n: int) -> int:
# 爬1阶,有1种方法
# 爬2阶,有2种方法
# 爬3阶,有3种方法
# 爬4阶,有5种方法
# 爬几阶,方法数就是前面两阶的方法和
# 1:确认dp[i]的含义,dp[i]表示第i阶有dp[i]种方法
dp = [0] * (n+1)
# 3:初始化
dp[1] = 1
if n > 1:
dp[2] = 2
# 4:遍历顺序
for i in range(3, n+1):
# 2:确认递推规则
dp[i] = dp[i-1] + dp[i-2]
return dp[n]
三、LeetCode746. 使用最小花费爬楼梯
1:题目描述(746. 使用最小花费爬楼梯)
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。
2:解题思路
使用动态规划
1:确定dp数组以及下标的含义
dp[i]的定义:到达第i台阶所花费的最少体力为dp[i]。
2:确定递推公式
可以有两个途径得到dp[i],一个是dp[i-1] 一个是dp[i-2]。
dp[i - 1] 跳到 dp[i] 需要花费 dp[i - 1] + cost[i - 1]。
dp[i - 2] 跳到 dp[i] 需要花费 dp[i - 2] + cost[i - 2]。
那么究竟是选从dp[i - 1]跳还是从dp[i - 2]跳呢?
一定是选最小的,所以dp[i] = min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2]);
3:dp数组如何初始化
看一下递归公式,dp[i]由dp[i - 1],dp[i - 2]推出,既然初始化所有的dp[i]是不可能的,那么只初始化dp[0]和dp[1]就够了,其他的最终都是dp[0]dp[1]推出。
那么 dp[0] 应该是多少呢? 根据dp数组的定义,到达第0台阶所花费的最小体力为dp[0],那么有同学可能想,那dp[0] 应该是 cost[0],例如 cost = [1, 100, 1, 1, 1, 100, 1, 1, 100, 1] 的话,dp[0] 就是 cost[0] 应该是1。
题目描述中明确说了 “你可以选择从下标为 0 或下标为 1 的台阶开始爬楼梯。” 也就是说 从 到达 第 0 个台阶是不花费的,但从 第0 个台阶 往上跳的话,需要花费 cost[0]。
所以初始化 dp[0] = 0,dp[1] = 0;
4:确定遍历顺序
因为是模拟台阶,而且dp[i]由dp[i-1]dp[i-2]推出,所以是从前到后遍历cost数组就可以了。
class Solution:
def minCostClimbingStairs(self, cost: List[int]) -> int:
# 确定dp数组dp[i]的含义:dp[i]表示,到达第i个台阶所需要支付的最小费用
# 确定递推规则:因为每次可以选择向上爬一个台阶或爬两个台阶
# dp[i] = min(dp[i-1]+cost[i-1], dp[i-2]+cost[i-2])
# 初始化,将dp[0],dp[1]都初始化为0
n = len(cost)
dp = [0] * (n+1)
dp[0] = 0
dp[1] = 0
for i in range(2, n+1):
dp[i] = min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2])
return dp[n]