第九章 动态规划part01
理论基础
cr:代码随想录
- 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。
- 需要注意
- dp数组及下标的含义
- 递推公式
- dp数组如何初始化
- 遍历顺序
- 打印数组
509. 斐波那契数
很简单的动规入门题,但简单题使用来掌握方法论的,还是要有动规五部曲来分析。
文章讲解
思路
DP五部曲
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
题目已经把递推公式直接给我们了:状态转移方程 dp[i] = dp[i - 1] + dp[i - 2];dp数组如何初始化
题目中把如何初始化也直接给我们了,如下:
dp[0] = 0;
dp[1] = 1;
确定遍历顺序
从递归公式dp[i] = dp[i - 1] + dp[i - 2];中可以看出,dp[i]是依赖 dp[i - 1] 和 dp[i - 2],那么遍历的顺序一定是从前到后遍历的举例推导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。
class Solution {
public int fib(int n) {
if(n <= 1) return n;
int[] dp = new int[2];
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
本题大家先自己想一想, 之后会发现,和 斐波那契数 有点关系。
文章讲解
class Solution {
public int climbStairs(int n) {
if(n <= 1) return n;// 因为下面直接对dp[2]操作了,防止空指针
/**
* 1. 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
*/
int[] dp = new int[n + 1]; //由于我们需要计算并存储从第0个台阶到第 n 个台阶的方法数,因此需要 dp[0] 到 dp[n],共 n + 1 个元素。
/**
* 2. 确定递推公式
* 对于第 i 个台阶,有两种方式到达:
* 从 i-1 台阶走1步。
* 从 i-2 台阶走2步。
* 因此,dp[i] = dp[i - 1] + dp[i - 2]
*/
// 3. dp数组如何初始化
dp[1] = 1;
dp[2] = 2;
// 4. 确定遍历顺序:从后向前
// 5. 举例推导dp数组
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
这道题目力扣改了题目描述了,现在的题目描述清晰很多,相当于明确说 第一步是不用花费的。
更改题目描述之后,相当于是 文章中 「拓展」的解法
文章讲解
思路
- 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
新题目描述中明确说了 “你可以选择从下标为 0 或下标为 1 的台阶开始爬楼梯。” 也就是说 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]。
所以初始化dp[0] = 0
,dp[1] = 0;
- 确定遍历顺序:从前向后
- 举例推导dp数组
class Solution {
public int minCostClimbingStairs(int[] cost) {
int len = cost.length;
int[] dp = new int[len + 1];
dp[0] = 0;
dp[1] = 0;
for(int i = 2; i <= len; i++){
dp[i] = Math.min(dp[i-1]+cost[i-1], dp[i-2]+cost[i-2]);
}
return dp[len];
}
}