《剑指offer》 -day8 动态规划（简单）

剑指 Offer 10- I. 斐波那契数列

题目描述

写一个函数，输入 n ，求斐波那契（Fibonacci）数列的第 n 项（即 F(N)）。斐波那契数列的定义如下：

• F(0) = 0, F(1) = 1
• F(N) = F(N - 1) + F(N - 2), 其中 N > 1.
  斐波那契数列由 0 和 1 开始，之后的斐波那契数就是由之前的两数相加而得出。
  答案需要取模 1e9+7（1000000007），如计算初始结果为：1000000008，请返回 1。

递归

直接如下使用“暴力递归”时，会“超时”

class Solution {
	final int MOD = (int)(1e9 + 7);
	
    public int fib(int n) {
        if (n < 2) return n;
        return (fib(n - 1) + fib(n - 2)) % MOD;
    }
}

记忆化搜

直接使用“暴力递归”会包含很多 “重复性”的计算，影响了计算性能。

我们可以使用“记忆化搜”进行改善：

• 即 使用“记忆集”保存之前已经通过递归计算过结果的状态值；
• 下次递归前进行检查，若本次需要计算的结果已经在之前计算过，则直接从“记忆集”中 取出即可，不必在重复进行递归计算。

class Solution {
    final int MOD = (int)(1e9 + 7);
    int[] cache = new int[101];

    public int fib(int n) {
        if (n < 2) return n;
        // 递归前，进行“记忆”检查
        if (cache[n] != 0) {
            return cache[n];
        }
        int res = (fib(n - 1) + fib(n - 2)) % MOD;
        // 保存本次“记忆”
        cache[n] = res;
        return res;
    }
}

dp

思路：简单dp

class Solution {
    public int fib(int n) {
        if (n < 2) return n;
        int[] dp = new int[n + 1]; // dp[i] 表示第i个斐波那契数
        // 3、初始化
        dp[0] = 0;
        dp[1] = 1;
        // 4、遍历顺序
        for (int i = 2; i <= n; i++) {
            // 2、递推公式
            dp[i] = (dp[i - 1] + dp[i - 2]) % 1000000007;
        }
        // 5、打印dp
        // System.out.println(Arrays.toString(dp));
        return dp[n];
    }
}

• 时间复杂度：$O(n)$
• 空间复杂度：$O(n)$

DP 优化空间 ⭐️

• 在如上版本 DP 中，尽管 dp 数组长度为 $n+1$，但是每次进行状态转移时 其实只会用到当前位置的前两个状态。

• 所以，仅仅使用三个变量，即长度为 $3$ 的 dp 数组即可。此时可以将 空间复杂度降为 $O(1)$。

class Solution {
    public int fib(int n) {
        if (n < 2) return n;
        final int MOD = (int)(1e9 + 7);
        int[] dp = new int[3];
        dp[1] = 1;
        for (int i = 2; i <= n; i++) {
            dp[2] = (dp[0] + dp[1]) % MOD;
            dp[0] = dp[1];
            dp[1] = dp[2];
        }
        System.out.println(Arrays.toString(dp));
        return dp[2];
    }
}

• 时间复杂度：$O(n)$
• 空间复杂度：$O(1)$

剑指 Offer 10- II. 青蛙跳台阶问题

题目描述

一只青蛙一次可以跳上1级台阶，也可以跳上2级台阶。求该青蛙跳上一个 n 级的台阶总共有多少种跳法。
答案需要取模 1e9+7（1000000007），如计算初始结果为：1000000008，请返回 1。

dp

思路：和 剑指 Offer 10- I. 斐波那契数列 基本一样。这里只使用了 DP 解法。

class Solution {
	final int MOD = (int)(1e9 + 7);

    public int numWays(int n) {
        if (n < 2) return 1;
        int[] dp = new int[n + 1]; // dp[i] 表示第i个斐波那契数
        // 3、初始化
        dp[0] = 1;
        dp[1] = 1;
        // 4、遍历顺序
        for (int i = 2; i <= n; i++) {
            // 2、递推公式
            dp[i] = (dp[i - 1] + dp[i - 2]) % MOD;
        }
        // 5、打印dp
        // System.out.println(Arrays.toString(dp));
        return dp[n];
    }
}

• 时间复杂度：$O(n)$
• 空间复杂度：$O(n)$
  

剑指 Offer 63. 股票的最大利润

题目描述

假设把某股票的价格按照时间先后顺序存储在数组中，请问买卖该股票一次可能获得的最大利润是多少？

限制：

• $0<=数组长度<=10^5$

暴力

思路：题目相当于按顺序找一个差值最大的 元素对。数据量为 $10^5$，可以用 2 层 for 暴力求解。

class Solution {
    public int maxProfit(int[] prices) {
        int res = 0;
        int n = prices.length;
        for (int i = 0; i < n; i++) {
            for (int j = i + 1; j < n; j++) {
                if (prices[j] > prices[i]) {
                    res = Math.max(res, prices[j] - prices[i]);
                }
            }
        }
        return res;
    }
}

• 时间复杂度：$O(n^2)$
• 空间复杂度：$O(1)$

贪心 ⭐️

思路：

• 以最低价格买入，买入价格记作 minPrice，若当前 $prices[i]<minPrice$，则更新 minPrice；（保证买入价格最低）
• 每次将当前价格和 至今为止的最低价格 minPrice 作比较。若当前盈利更高，则“尝试”完成一次股票买卖。

class Solution {
    public int maxProfit(int[] prices) {
        int res = 0;
        int n = prices.length;
        int minPrice = Integer.MAX_VALUE;
        for (int i = 0; i < n; i++) {
            if (prices[i] < minPrice) { // 更新最低价格
                minPrice = prices[i];
            } else { // “尝试”买入
                res = Math.max(res, prices[i] - minPrice);
            }
        }
        return res;
    }
}

• 时间复杂度：$O(n)$
• 空间复杂度：$O(1)$
  

dp ⭐️

参考：Carl 题解

思路：

• 每天有2个状态：“持有”股票、卖出股票；
  • $dp[i][0]$：第 $i$ 天“持有”股票的最大利润
  • $dp[i][1]$：第 $i$ 天“卖出”股票的最大利润
• 递推公式
  • dp[i][0]，即第 $i$ 天“持有”股票的最大利润可能由两个状态推导而来：即，第 $i-1$ 天“持有”股票最大利润 或者 第 $i$ 天买入的股价。即，dp[i][0] = Math.max(-prices[i], dp[i - 1][0]);
  • dp[i][1]，即第 $i$ 天“卖出“股票的最大利润也可能由两个状态推导而来：即，第 $i-1$ 天“卖出”的最大利润 和 第 $i$ 天卖出的最大利润的 max。即， dp[i][1] = Math.max(dp[i - 1][0] + prices[i], dp[i - 1][1]);
• 初始化
  • $dp[0][0]=-prices[0];$
  • $dp[0][1]=0;$

class Solution {
    public int maxProfit(int[] prices) {
        if (prices.length == 0) {
            return 0;
        }
        int n = prices.length;
        // 每天有2个状态：“持有”股票、卖出股票
        int[][] dp = new int[n][2]; // dp[i][0]：第i天“持有”股票的最大利润
                                    // dp[i][1]：第i天“卖出”股票的最大利润
        // 3、初始化
        dp[0][0] = -prices[0];
        dp[0][1] = 0;
        // 4、遍历顺序（由地推公式可知，从前到后）
        for (int i = 1; i < n; i++) { 
            // 2、递推公式
            dp[i][0] = Math.max(-prices[i], dp[i - 1][0]); // 第i天“持有”股票的最大利润可能为 第i-1天“持有”股票最大利润 或者 第i天买入的股价
            dp[i][1] = Math.max(dp[i - 1][0] + prices[i], dp[i - 1][1]); // 第i天卖出股票的最大利润可能是第i-1天“卖出”的最大利润 和 第i天卖出的最大利润的 max
        }
        // 5、打印dp
        // for (int i = 0; i < n; i++) {
        //     System.out.println(Arrays.toString(dp[i]));
        // }
        return dp[n - 1][1];
    }
}

• 时间复杂度：$O(n)$
• 空间复杂度：$O(n)$