代码随想录算法训练营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

目录

动态规划理论基础

什么是动态规划

动态规划的解题步骤

动态规划的debug

509. 斐波那契数

前言

思路

算法实现

方法一:动态规划

方法二:递归法

 70. 爬楼梯

前言

思路

算法实现

拓展

746. 使用最小花费爬楼梯

算法实现

总结


动态规划理论基础

什么是动态规划

        动态规划,英文名为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。所以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

        代码随想录中总结了动态规划的五部曲:

  1. 确定dp数组以及下标的含义;
  2. 确定递推公式;文章链接
  3. dp数组如何初始化;
  4. 确定遍历顺序;
  5. 举例推导dp数组。

动态规划的debug

        写动规题目,代码出问题很正常!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。

        这样才是一个完整的思考过程,而不是一旦代码出问题,就毫无头绪的东改改西改改,最后过不了,或者说是稀里糊涂的过了

509. 斐波那契数

题目链接

文章链接

前言

         对于动规,如果没有方法论的话,可能简单题目可以顺手一写就过,难一点就不知道如何下手了。从一开始做题就按照动态规划的五部曲顺序来执行。

思路

        按照动态规划五部曲来执行:

  1. 确定dp数组以及下标的含义:

        dp[i]的定义为:第i个数的斐波那契数列值是dp[i];

     2.确定递推公式:

        题目中已经给出递推公式:dp[i] = dp[i - 1] + dp[i - 2];

     3.dp数组初始化:

        题目同样已经给出:dp[0] = 0, dp[1] = 1;

     4.确定遍历顺序:

        前序遍历;

     5.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。

算法实现

方法一:动态规划
class Solution {
public:
    int fib(int n) {
        if (n <= 1) return n;
        vector dp(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];
    }
};

        本题的dp实现很简单,因为题目信息已经给出递推公式和初始化值,也可以只维护dp数组前两个值,算法如下:

class Solution {
public:
    int fib(int n) {
        if (n <= 1) return n;
        int dp[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];
    }
};
方法二:递归法

        还可以使用递归法进行实现,递归的实现较为简单,递归终止条件就是当n小于2。

class Solution {
public:
    int fib(int n) {
        if (n < 2) return n;
        return fib(n - 1) + fib(n - 2);
    }
};

 70. 爬楼梯

题目链接

文章链接

前言

        本题就没有像上一题一样直接给出递推公式,我们先自=自己举几个例子,就可以发现规律。

思路

        按照题目条件爬到第一层楼梯有一种方法,爬到二层楼梯有两种方法。那么第一层楼梯再跨两步就到第三层 ,第二层楼梯再跨一步就到第三层。所以到第三层楼梯的状态可以由第二层楼梯 和 到第一层楼梯状态推导出来,那么就可以想到动态规划了。

        利用动态规划五部曲来进行分析:

1.确定dp数组以及下标的含义:

        dp[i]的含义是爬到第i层楼梯,有dp[i]种方法;

2.确定递推公式:

        从dp[i]的定义可以看出,dp[i] 可以有两个方向推出来:一个是dp[i - 1],上i - 1层楼梯,已经有dp[i - 1]种方法,再跳一个台阶就是dp[i];另一个是dp[i - 2],上i - 2层楼梯,已经有dp[i - 2]种方法,那么再跳两个台阶就是dp[i]。因此dp[i]就是 dp[i - 1]与dp[i - 2]之和!

        所以dp[i] = dp[i - 1] + dp[i - 2] 。尤其注意在推导dp[i]的时候,一定要时刻想着dp[i]的定义,否则容易跑偏。这体现出确定dp数组以及下标的含义的重要性!

3.dp数组初始化:

        需要注意的是:题目中说了n是一个正整数,题目根本就没说n有为0的情况。所以本题不需要讨论dp[0]的初始化,直接初始化dp[1] = 1,dp[2] = 2,然后从i = 3开始递推。

4.确定遍历顺序:

        从递推公式dp[i] = dp[i - 1] + dp[i - 2];中可以看出,遍历顺序一定是从前向后遍历的;

5.举例推导dp数组:

        同上题思路一致。

算法实现

class Solution {
public:
    int climbStairs(int n) {
        if (n <= 1) return n;
        vector dp(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];
    }
};

        同样也有简化算法,只维护dp数组前面几个元素:

class Solution {
public:
    int climbStairs(int n) {
        if (n <= 1) return n;
        int dp[3];
        dp[1] = 1;
        dp[2] = 2;
        for (int i = 3; i <= n; i++){
            int sum = dp[1] + dp[2];
            dp[1] = dp[2];
            dp[2] = sum;
        }
        return dp[2];
    }
};

拓展

        一步一个台阶,两个台阶,三个台阶,直到 m个台阶,有多少种方法爬到n阶楼顶?

class Solution {
public:
    int climbStairs(int n) {
        vector dp(n + 1, 0);
        dp[0] = 1;
        for (int i = 1; i <= n; i++) {
            for (int j = 1; j <= m; j++) { 
                if (i - j >= 0) dp[i] += dp[i - j];
            }
        }
        return dp[n];
    }
};

746. 使用最小花费爬楼梯

题目链接

文章链接

算法实现

class Solution {
public:
    int minCostClimbingStairs(vector& cost) {
        vector dp(cost.size() + 1);
        dp[0] = 0;
        dp[1] = 0;
        for (int i = 2; i <= cost.size(); i++) {
            dp[i] = min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2]);
        }
        return dp[cost.size()];
    }
};

        简化之后:

class Solution {
public:
    int minCostClimbingStairs(vector& cost) {
        int dp[2];
        dp[0] = 0;
        dp[1] = 0;
        for (int i = 2; i <= cost.size(); i++) {
            int dpi = min(dp[0] + cost[i - 2], dp[1] + cost[i - 1]);
            dp[0] = dp[1];
            dp[1] = dpi;
        }
        return dp[1];
    }
};

总结

        今天了解了动态规划的理论以及较简单题目的实现,在练习过程中熟悉了动态规划五部曲的使用,感觉非常实用!

你可能感兴趣的:(算法,动态规划)