前言:这个专栏主要讲述动态规划算法,所以下面题目主要也是这些算法做的
我讲述题目会把讲解部分分为3个部分:
1、题目解析
2、算法原理思路讲解
3、代码实现
使用最小花费爬楼梯
题目链接:使用最小花费爬楼梯
题目
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
解法
题目解析
题目意思很简单
- 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。
算法原理讲解
我们这题使用动态规划,我们做这类题目可以分为以下五个步骤
- 状态显示
- 状态转移方程
- 初始化(防止填表时不越界)
- 填表顺序
- 返回值
- 状态表示
dp[i] 表示:到达 i 位置时的最小花费。(注意:到达 i 位置的时候, i 位置的钱不需要算上)
- 状态转移方程
- 根据最近的⼀步,分情况讨论:
- 先到达 i - 1 的位置,然后⽀付 cost[i - 1] ,接下来⾛⼀步⾛到 i 位置: dp[i - 1] + csot[i - 1] 。
- 先到达 i - 2 的位置,然后⽀付 cost[i - 2] ,接下来⾛⼀步⾛到 i 位置: dp[i - 2] + csot[i - 2] 。
- 初始化
从我们的递推公式可以看出,我们需要先初始化 i = 0 ,以及 i = 1 位置的值。容易得到 dp[0] = dp[1] = 0 ,因为不需要任何花费,就可以直接站在第 0 层和第 1 层上。
- 填表顺序
根据「状态转移方程」可得,遍历的顺序是「从左往右」。
- 返回值
根据「状态表示以及题目要求」,需要返回 dp[n] 位置的值。
代码实现
- 时间复杂度:O(n),其中 n 是数组 cost 的长度。需要依次计算每个 dp 值,每个值的计算需要常数时间,因此总时间复杂度是 O(n)。
- 空间复杂度:O(n),创建的数组大小。
class Solution {
public:
int minCostClimbingStairs(vector<int>& cost)
{
vector<int> dp;
int n = cost.size();
dp.resize(n+1);
dp[0] = dp[1] = 0; // 初始化
// 填表
for (int i = 2; i <= n; i++)
{
dp[i] = min(dp[i-1] + cost[i-1], dp[i-2] + cost[i-2]);
}
return dp[n]; // 返回值
}
};