代码随想录刷题day32丨动态规划理论基础,509. 斐波那契数, 70. 爬楼梯, 746. 使用最小花费爬楼梯
1.动态规划理论基础
-
动态规划,英文:Dynamic Programming,简称DP,如果某一问题有很多重叠子问题,使用动态规划是最有效的。
-
动态规划中每一个状态一定是由上一个状态推导出来的,这一点就区分于贪心,贪心没有状态推导,而是从局部直接选最优的
-
动态规划的解题步骤(动规五步曲)
- 确定dp数组(dp table)以及下标的含义
- 确定递推公式
- dp数组如何初始化
- 确定遍历顺序
- 举例推导dp数组
-
为什么要先确定递推公式,然后在考虑初始化呢?
- 因为一些情况是递推公式决定了dp数组要如何初始化!
-
代码出错找问题的最好方式就是把dp数组打印出来,看看究竟是不是按照自己思路推导的!
-
做动规的题目,写代码之前一定要把状态转移在dp数组的上具体情况模拟一遍,心中有数,确定最后推出的是想要的结果。
然后再写代码,如果代码没通过就打印dp数组,看看是不是和自己预先推导的哪里不一样。
如果打印出来和自己预先模拟推导是一样的,那么就是自己的递归公式、初始化或者遍历顺序有问题了。
如果和自己预先模拟推导的不一样,那么就是代码实现细节有问题。
2.题目
2.1斐波那契数
- 题目链接:509. 斐波那契数 - 力扣(LeetCode)
-
视频讲解:手把手带你入门动态规划 | LeetCode:509.斐波那契数_哔哩哔哩_bilibili
-
文档讲解:https://programmercarl.com/0509.%E6%96%90%E6%B3%A2%E9%82%A3%E5%A5%91%E6%95%B0.html
-
解题思路:动态规划
-
确定dp数组以及下标的含义
dp[i]的定义为:第i个数的斐波那契数值是dp[i]
-
确定递推公式
dp[i] = dp[i - 1] + dp[i - 2]
-
dp数组如何初始化
dp[0] = 0; dp[1] = 1;
-
确定遍历顺序
从前到后遍历
-
举例推导dp数组
按照这个递推公式dp[i] = dp[i - 1] + dp[i - 2],我们来推导一下,当N为10的时候,dp数组应该是如下的数列:0 1 1 2 3 5 8 13 21 34 55如果代码写出来,发现结果不对,就把dp数组打印出来看看和我们推导的数列是不是一致的。
-
-
代码:
//dp解法 //时间复杂度:O(n) //空间复杂度:O(n) class Solution {public int fib(int n) {if(n <= 1){return n;}int[] dp = new int[n + 1];dp[0] = 0;dp[1] = 1;for(int i = 2;i <= n;i++){dp[i] = dp[i - 1] + dp[i - 2];}return dp[n];} }
//压缩版dp,只需要维护两个数值就可以了,不需要记录整个序列 //时间复杂度:O(n) //空间复杂度:O(1) class Solution {public int fib(int n) {if(n <= 1){return n;}int a = 0;int b = 1;int c = 0;for(int i = 2;i <= n;i++){c = a + b;a = b;b = c;}return c;} }
//递归解法 //时间复杂度:O(2^n) //空间复杂度:O(n),算上了编程语言中实现递归的系统栈所占空间 class Solution {public int fib(int n) { if(n <= 1){return n;}return fib(n - 1) + fib(n - 2);} }
-
总结:
- 动规五部曲方法很重要!
2.2爬楼梯
-
题目链接:70. 爬楼梯 - 力扣(LeetCode)
-
视频讲解:带你学透动态规划-爬楼梯(对应力扣70.爬楼梯)| 动态规划经典入门题目_哔哩哔哩_bilibili
-
文档讲解:https://programmercarl.com/0070.%E7%88%AC%E6%A5%BC%E6%A2%AF.html
-
解题思路:动态规划
-
确定dp数组以及下标的含义
dp[i]: 爬到第i层楼梯,有dp[i]种方法
-
确定递推公式
dp[i] = dp[i - 1] + dp[i - 2]
-
dp数组如何初始化
dp[1] = 1,dp[2] = 2
-
确定遍历顺序
从前向后遍历
-
举例推导dp数组
举例当n为5的时候,dp数组应该是:
-
-
代码:
class Solution {public int climbStairs(int n) {if(n == 1){return 1;}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];} }
为什么需要特殊处理
n = 1
?- 如果
n = 1
,代码只需要直接返回 1,因为到达第 1 阶只有一种方法:一步爬到。 - 而当
n = 1
时,你不应该初始化dp[2] = 2;
,因为数组中只有dp[0]
和dp[1]
,dp[2]
并不存在,试图访问它会引发数组越界。
- 如果
-
总结:
- 题目中要求的每次可以爬1或者2个台阶,也就是说,最终到达n阶台阶有两种方式,一个是爬1阶台阶到达(对应的是从n-1阶台阶开始),那么另一个就是爬2阶台阶到达(对应的是从n-2阶台阶开始爬),而爬n-1阶和n-2阶台阶的方法有dp【n-1】,dp【n-2】个。所以最终爬n阶台阶的方法种类就是dp【n-1】+dp【n-2】。其实也对应了卡哥所说的从n-1和n-2阶爬上去,探究的是几种走法,而不是几步。
- 没有讨论dp[0]应该是什么,因为dp[0]在本题没有意义!
2.3使用最小花费爬楼梯
-
题目链接:746. 使用最小花费爬楼梯 - 力扣(LeetCode)
-
视频讲解:动态规划开更了!| LeetCode:746. 使用最小花费爬楼梯_哔哩哔哩_bilibili
-
文档讲解:https://programmercarl.com/0746.%E4%BD%BF%E7%94%A8%E6%9C%80%E5%B0%8F%E8%8A%B1%E8%B4%B9%E7%88%AC%E6%A5%BC%E6%A2%AF.html
-
解题思路:动态规划
-
图示
-
确定dp数组以及下标的含义
dp[i]的定义:到达第i台阶所花费的最少体力为dp[i]
-
确定递推公式
可以有两个途径得到dp[i],一个是dp[i-1] 一个是dp[i-2]。dp[i - 1] 跳到 dp[i] 需要花费 dp[i - 1] + cost[i - 1]。dp[i - 2] 跳到 dp[i] 需要花费 dp[i - 2] + cost[i - 2]。那么究竟是选从dp[i - 1]跳还是从dp[i - 2]跳呢?一定是选最小的,所以dp[i] = min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2]);
-
dp数组如何初始化
dp[0] = 0;//到达 第 0 个台阶是不花费的,但从 第0 个台阶 往上跳的话,需要花费 cost[0]。 dp[1] = 0;//到达 第 1 个台阶是不花费的,但从 第1 个台阶 往上跳的话,需要花费 cost[1]。
-
确定遍历顺序
从前到后遍历
-
举例推导dp数组
拿示例2:cost = [1, 100, 1, 1, 1, 100, 1, 1, 100, 1] ,来模拟一下dp数组的状态变化,如下:
-
-
代码:
class Solution {public int minCostClimbingStairs(int[] cost) {int[] dp = new int[cost.length + 1];// 从下标为 0 或下标为 1 的台阶开始,因此支付费用为0dp[0] = 0;dp[1] = 0;// 计算到达每一层台阶的最小费用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];} }
-
总结:
- 理解自己定义的dp[i] 至关重要
- 初始化的时候要结合实际情况
- 注意数组越界问题