算法第三十二天--动态规划part01（第九章）
一.动态规划理论基础
1.#什么是动态规划
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。
2..动态规划分类
1.基础题目
2.背包问题
3.打家劫舍
4.股票问题
5. 子序列问题
3.动态规划的解题步骤：
对于动态规划问题，拆解为如下五步曲，这五步都搞清楚了，才能说把动态规划真的掌握了！
- 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
实战训练
1.斐波那契数
509. 斐波那契数 - 力扣（LeetCode）
思路：
- 确定DP数组以及其下标含义：dp[i]的定义为：第i个数的斐波那契数值是dp[i]
- 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
- 遍历顺序：从前往后
- 打印dp数组
class Solution:def fib(self, n: int) -> int:if n == 0:return 0#初始化 dp = [0]*(n+1)dp[0] = 0dp[1] = 1# 遍历顺序: 由前向后。因为后面要用到前面的状态for i in range(2, n+1):#递推公式dp[i] = dp[i-1] + dp[i-2]# 返回答案 return dp[n]2.爬楼梯
70. 爬楼梯 - 力扣（LeetCode）
思路：
本题大家如果没有接触过的话，会感觉比较难，多举几个例子，就可以发现其规律。
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。
唯一的区别是，没有讨论dp[0]应该是什么，因为dp[0]在本题没有意义！
class Solution:def climbStairs(self, n: int) -> int:#当前这个阶有多少种方法依赖于前两种#dp[i]:达到i阶有dp[i]种方法if n == 0:return 0dp = [0]*(n+1)dp[0] = 1dp[1] = 1for i in range(2, n+1):dp[i] = dp[i-1] +dp[i-2]return dp[n]3.使用最小花费爬楼梯
746. 使用最小花费爬楼梯 - 力扣（LeetCode）
class Solution:def minCostClimbingStairs(self, cost: List[int]) -> int:#dp[i] 表示下表为i时的最低消费n = len(cost)dp = [0]*(n+1)if len(cost) == 0:return 0dp[0] = 0dp[1] = 0for i in range(2, n+1):dp[i] = min(dp[i-1]+cost[i-1], dp[i-2]+cost[i-2])return dp[n]今天结束啦！动态规划开始题目比较简单没有很难！