day38 【动态规划】● 理论基础 ● 509. 斐波那契数 ● 70. 爬楼梯 ● 746. 使用最小花费爬楼梯

理论基础

• 代码随想录 | 动态规划理论基础

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
  1. 确定dp数组的含义
     dp[i]：第i个斐波那契数值
  2. 递推公式
     dp[i] = dp[i -1] + dp[i - 2]
  3. dp数组如何初始化
     dp[0] = 1; dp[1] = 1;
  4. 遍历顺序：从前向后遍历
  5. 打印dp数组

//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

• 70.爬楼梯 | 题目链接

• 代码随想录 | 讲解链接

• 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

  1. dp[i]：到达第 i 阶有 dp[i] 种方法
  2. 递推公式：dp[i] = dp[i -1] + dp[i - 2]
  3. 数组初始化：dp[1] = 1; dp[2] = 2
  4. 遍历顺序：从前向后遍历
  5. 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

• 746. 使用最小花费爬楼梯 | 题目链接

• 代码随想录 | 讲解链接

• 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：

  1. dp数组的定义：dp[i] 到达i的位置花费dp[i]；
  2. 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]
  3. 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;
  4. 确定遍历顺序：从前向后
  5. 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];
    }
}