今天学习的是动态规划,上一章的贪心算法是从局部最优推导出整体最优,而动态规划则是某阶段的状态与上一阶段的状态有关,因此关键在于列出dp的式子。
思路:该题直接给出了递推格式,即第三个数的值等于前两个数的和,因此很容易列出递归式子,直接进行一个遍历即可,代码如下;
class Solution {
public:
int fib(int n) {
if(n<=1) return n;
int f[n+1];
f[0]=0;
f[1]=f[2]=1;
for(int i=3;i<=n;i++){
f[i]=f[i-1]+f[i-2];
}
return f[n];
}
};
该题在选用数据结构时,我选择了数组,但实际上选用向量容器更好,后面又总结了两者的优劣:
1.数组的大小无法改变,而向量很容易进行修改;
2.数组内的数据进行改动时时间复杂度是Q(n),而向量是Q(1)
3.数组内的数据有大小限制,而向量存储的数据更大
思路:该题关键在于找出爬楼梯之间的规律,通过列举法可以较为容易的发现阶梯数为3时的方法等于阶梯数为2和1的方法之和,根据这个规律列出公式再进行遍历即可,代码如下:
class Solution {
public:
int climbStairs(int n) {
if(n<=1) return n;
int f[n+1];
f[1]=1,f[2]=2;
for(int i=3;i<=n;i++){
f[i]=f[i-1]+f[i-2];
}
return f[n];
}
};
问题3:746. 使用最小花费爬楼梯 - 力扣(LeetCode)
思路:该题需要考虑初始化问题,以及列出的递归式dp[i]为第i个阶梯时的最少费用,而该费用与前一个的状态选择有关,可能选择为1或者是2,因此需要从中选出最小的,因此可写出如下代码:
class Solution {
public:
int minCostClimbingStairs(vector<int>& cost) {
vector<int> dp(cost.size()+1);
dp[0]=0;
dp[1]=0;
for(int i=2;i<=cost.size();i++){
dp[i]=min(dp[i-1]+cost[i-1],dp[i-2]+cost[i-2]);
}
return dp[cost.size()];
}
};