【算法历练】动态规划副本—算法初识

慕斯( ˘▽˘)っ

已于 2024-02-28 18:47:35 修改

阅读量1.6k

点赞数 54

分类专栏：【算法历练】文章标签：算法动态规划数据结构

于 2024-02-27 17:03:16 首次发布

本文链接：https://blog.csdn.net/weixin_64038246/article/details/136325748

版权

【算法历练】专栏收录该内容

2 篇文章 0 订阅

订阅专栏

🎬慕斯主页：修仙—别有洞天

♈️今日夜电波：宙でおやすみ

1:02━━━━━━️💟──────── 2:45
🔄 ◀️ ⏸ ▶️ ☰

💗关注👍点赞🙌收藏您的每一次鼓励都是对我莫大的支持😍

解题步骤及思路

遇到动态规划问题我们通常会按照以下步骤来解题（只是大致的解题步骤，因题不同也会不同）：1、确定状态表示。2、确定状态转移方程。3、确定初始化操作。4、确定填表顺序。5、确定返回值。

下面以一到例题来详细的介绍解题的步骤：

1137. 第 N 个泰波那契数

泰波那契序列 Tn 定义如下：

T0 = 0, T1 = 1, T2 = 1, 且在 n >= 0 的条件下 Tn+3 = Tn + Tn+1 + Tn+2

给你整数 n，请返回第 n 个泰波那契数 Tn 的值。

示例 1：

输入：n = 4
输出：4
解释：
T_3 = 0 + 1 + 1 = 2
T_4 = 1 + 1 + 2 = 4

示例 2：

输入：n = 25
输出：1389537

提示：

0 <= n <= 37
答案保证是一个 32 位整数，即 answer <= 2^31 - 1。

1、状态表示（重要）

状态表示是什么？它是dp表里面所表示的含义。dp表是什么？可以理解为一个数组，当然数组是可以分为一维、二维等等的。我们要解决动规问题，就是填满这个dp表，而dp表中就会具有这个题解的答案！

我们要确定状态表示需要根据：经验+题目要求从而推导出来。

根据题意：

本例题的状态表示为：dp[i] 表示为第i个斐波那契数列的值。可以根据下图理解：

2、状态转移方程（最难的一步）

什么是状态转移方式？大白话：dp[i]或dp[i][j]等等等于什么。如:dp[i]=dp[]+...

根据题意：

本题已经很明显了：dp[i]=dp[i-1]+dp[i-1]+dp[i-3]

3、初始化

什么是初始化？这是为了保证填表的时候不越界。

根据题意：

也很明显了：已经将其中第零个数、第一个数、第二个数的值都告诉我们了。若要知道第几个数的泰波那契数我们可以进一步进行优化：我们让数组的下标分别对应着dp[0]、dp[1]、dp[2]，对应的下标就是对应着第几个数的值。因此我们可以给数组多增加一个空间。我们可以这样定义：vector<int> dp(n+1,0) 这样做初始化了所以位置的值都为0，再依次填入dp[1]、dp[2]]完成初始化。

4、填表顺序

就是该从什么方向开始填表，按照dp表的结构以及解题思路填写。

根据题意：

本题的填表顺序为从左往右。

5、返回值

根据题目要求+状态表示来确定。

根据题意：

本题返回值即为数值下标为n的值，即：dp[n]

因此我们写出如下的题解：

class Solution {
public:
    int tribonacci(int n) {

        // 细节处理
        if (n == 0)
            return 0;
        if (n == 1 || n == 2)
            return 1;
        // 1、创建dp表
        vector<int> dp(n + 1, 0);
        // 2、初始化
        dp[1] = 1, dp[2] = 1;
        // 3、按顺序填表
        for (int i = 3; i <= n; i++) {
            dp[i] = dp[i - 1] + dp[i - 2] + dp[i - 3];
        }
        // 4、返回值
        return dp[n];
    }
};

看到这里你大致已近了解了动态规划的写题步骤，那么再写两题巩固一下吧！

面试题 08.01. 三步问题

三步问题。有个小孩正在上楼梯，楼梯有n阶台阶，小孩一次可以上1阶、2阶或3阶。实现一种方法，计算小孩有多少种上楼梯的方式。结果可能很大，你需要对结果模1000000007。

示例1:

输入：n = 3 
 输出：4
 说明: 有四种走法

示例2:

输入：n = 5
 输出：13

提示:

n范围在[1, 1000000]之间

解题思路：

1、状态表示：dp[i] 表示：到达i位置时，一共有多少种方法。可以根据下图理解：

2、状态转移方程：以i位置的状态，最近的一步来划分问题：我们从上图可知分为三种情况，因此状态转移方程也该分为三种情况，即dp[i-1]到dp[i]，dp[i-2]到dp[i]，dp[i-3]到dp[i]。可根据下图理解：

因此，写出以下的状态转移方程：dp[i]=dp[i-1]+dp[i-2]+dp[i-3]。

3、初始化：将对应下标初始化，即dp[1]、dp[2]、dp[3]，注意提示：

n范围在[1, 1000000]之间。因此我们可以如下定义vector<int> dp(n+1)

4、填表顺序：从左往右

5、返回值：dp[n]

因此我们写出如下的题解：

class Solution {
public:
    int waysToStep(int n) {
        vector<int> dp(n + 1);
        if (n == 1)
            return 1;
        if (n == 2)
            return 2;
        if (n == 3)
            return 4;

        int a = 1, b = 2, c = 4, d = 0;
        for (int i = 4; i < n + 1; i++) {
            int tmp = 0;
            tmp = (a + b) % 1000000007;
            d = (tmp + c) % 1000000007;
            dp[i] = d;
            a = b, b = c, c = d;
        }
        return dp[n];
    }
};

746.使用最小花费爬楼梯

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。

示例 1：

输入：cost = [10,15,20]
输出：15
解释：你将从下标为 1 的台阶开始。
- 支付 15 ，向上爬两个台阶，到达楼梯顶部。
总花费为 15 。

示例 2：

输入：cost = [1,100,1,1,1,100,1,1,100,1]
输出：6
解释：你将从下标为 0 的台阶开始。
- 支付 1 ，向上爬两个台阶，到达下标为 2 的台阶。
- 支付 1 ，向上爬两个台阶，到达下标为 4 的台阶。
- 支付 1 ，向上爬两个台阶，到达下标为 6 的台阶。
- 支付 1 ，向上爬一个台阶，到达下标为 7 的台阶。
- 支付 1 ，向上爬两个台阶，到达下标为 9 的台阶。
- 支付 1 ，向上爬一个台阶，到达楼梯顶部。
总花费为 6 。

提示：

2 <= cost.length <= 1000
0 <= cost[i] <= 999

解题思路：

1、状态表示：dp[i] 表示：到达i位置时，最小花费。

2、状态转移方程：我们根据最近的一步来问题，即：我们先是到达了i-1的位置，花费cost[i-1],走一步即可。先到达了i-2的位置，走两步，花费cost[i-2]，即：dp[i-1]+cost[i-1]和dp[i-2]+cost[i-2]。而我们是为了最小的花费，则选取其中最小的即可。

因此，写出以下的状态转移方程：dp[i]=min(dp[i-1]+cost[i-1],dp[i-2]+cost[i-2])

3、初始化：为了保证填表的时候不越界，我们需要将dp[0]=dp[1]=0。这也是因为我们可以不花费直接选择在0位置或者1位置。

4、填表顺序：从左往右

5、返回值：dp[n]

因此我们写出如下的题解：

class Solution {
public:
    int minCostClimbingStairs(vector<int>& cost) {
        int num = cost.size();
        vector<int> dp(num + 1, 0);
        for (int i = 2; i <= num; i++) {
            dp[i] = min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2]);
        }
        return dp[num];
    }
};

感谢你耐心的看到这里ღ( ´･ᴗ･` )比心，如有哪里有错误请踢一脚作者o(╥﹏╥)o！