理论基础
什么是动态规划
-
动态规划,Dynamic Programming,简称DP。
如果某一问题又很多重叠子问题,使用动态规划式最有效的。
动态规划中的每一个状态一定是从上一个状态推导出来的。
贪心算法没有状态推导,而是从局部直接选最优。例如:有N件物品和一个最多能背重量为W 的背包。第i件物品的重量是weight[i],得到的价值是value[i] 。每件物品只能用一次,求解将哪些物品装入背包里物品价值总和最大。 动态规划: dp[j] 是由 dp[j-weight[i]] 推导出来的,然后取max(dp[j], dp[j - weight[i]] + value[i])。 贪心算法:每次拿物品选一个最大的或者最小的就完事了,和上一个状态没有关系。 所以贪心解决不了动态规划的问题。
动态规划的解题步骤
1. 确定dp数组以及下标的含义
2. 递推公式
3. dp数组如何初始化
4. 确定遍历顺序
5. 打印dp数组,检查问题出在哪里(debug)打印出来的每个dp数组是否和逻辑出来的一样,如果一样,那就是递推公式、初始化或遍历顺序有问题。
509. 斐波那契数
- 509. 斐波那契数 | 题目链接
- 代码随想录 | 讲解链接
- 题意: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) 。
示例 1:
输入:n = 2
输出:1
解释:F(2) = F(1) + F(0) = 1 + 0 = 1
示例 2:
输入:n = 3
输出:2
解释:F(3) = F(2) + F(1) = 1 + 1 = 2
示例 3:
输入:n = 4
输出:3
解释:F(4) = F(3) + F(2) = 2 + 1 = 3
- 动规五部曲
- 确定dp数组的含义
dp[i]:第i个斐波那契数值 - 递推公式
dp[i] = dp[i -1] + dp[i - 2] - dp数组如何初始化
dp[0] = 1; dp[1] = 1; - 遍历顺序:从前向后遍历
- 打印dp数组
- 确定dp数组的含义
//记录了整个数组,空间复杂度为O(n)
class Solution {
public int fib(int n) {
int[] dp = new int[n + 1];
if(n <= 1) {
retun n;
} else {
dp[0] = 0;
dp[1] = 1;
for(int i = 2; i <= n; i++) {
dp[i] = dp[i-1] + dp[i-2];
}
}
return dp[n];
}
}
//维护两个数值,空间复杂度O(1)
class Solution {
public int fib(int n) {
int[] dp = new int[3];
if(n <= 1) {
return n;
}
dp[0] = 0;
dp[1] = 1;
for(int i = 2; i <= n; i++) {
int sum = dp[0] + dp[1];
dp[0] = dp[1];
dp[1] = sum;
}
return dp[1];
}
}
70.爬楼梯
-
题意: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?
示例 1: 输入:n = 2 输出:2 解释:有两种方法可以爬到楼顶。 1. 1 阶 + 1 阶 2. 2 阶 示例 2: 输入:n = 3 输出:3 解释:有三种方法可以爬到楼顶。 4. 1 阶 + 1 阶 + 1 阶 5. 1 阶 + 2 阶 6. 2 阶 + 1 阶
-
思路,动规5步曲
- dp[i]:到达第 i 阶有 dp[i] 种方法
- 递推公式:dp[i] = dp[i -1] + dp[i - 2]
- 数组初始化:dp[1] = 1; dp[2] = 2
- 遍历顺序:从前向后遍历
- 打印dp
//其本质就是斐波那契数列,可用变量记录代替数组。空间复杂度O(1)
class Solution {
public int climbStairs(int n) {
if(n <= 2) {
return n;
}
int a = 1;
int b = 2;
for(int i = 3; i <= n; i++) {
int sum = a + b;
a = b;
b = sum;
}
return b;
}
}
// 空间复杂度O(n)
class Solution {
public int climbStairs(int n) {
if(n <= 1) return 1;
//dp[i]:代表爬到n层有dp[i]种方法
int[] dp = new int[n+1];
dp[1] = 1;
dp[2] = 2;
for(int i = 3; i <= n; i++) {
dp[i] = dp[i-1] + dp[i-2];
}
return dp[n];
}
}
746. 使用最小花费爬楼梯
-
思路: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 。
-
思路:
- dp数组的定义:dp[i] 到达i的位置花费dp[i];
- 递推公式:有两种方法可以到底,从前一步或前两步
dp[i] = min(dp[i - 1] + cos[i-1], dp[i - 2] + cost[i - 2])
dp[i - 1] + cos[i-1] : 到达i-1的花费dp[i-1] + 从i-1往上条一步的花费cost[i-1]
dp[i - 2] + cost[i - 2] - dp的初始化
dp[0] = 0; 到达0或1时,花费为0;往上跳的时候,才花费
dp[1] = 0; - 确定遍历顺序:从前向后
- 打印dp数组
class Solution {
public int minCostClimbingStairs(int[] cost) {
int[] dp = new int[cost.length + 1];
//站在0/1位置时不花费,往上跳才花费
dp[0] = 0;
dp[1] = 0;
//dp[i]是到达顶楼位置的花费,所以<=cost,最后要再往上走一步才是到顶楼
for(int i = 2; i <= cost.length; i++) {
dp[i] = Math.min(dp[i-1] + cost[i-1], dp[i-2] + cost[i - 2]);
}
return dp[cost.length];
}
}