当前位置: 首页 > news >正文

Day32--动态规划--509. 斐波那契数,70. 爬楼梯,746. 使用最小花费爬楼梯

Day32–动态规划–509. 斐波那契数,70. 爬楼梯,746. 使用最小花费爬楼梯

《代码随想录》:

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。

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。

动态规划五步曲:

  1. 确定dp数组(dp table)以及下标的含义
  2. 确定递推公式
  3. dp数组如何初始化
  4. 确定遍历顺序
  5. 举例推导dp数组

509. 斐波那契数

方法:递归法

思路:

// 递归法
class Solution {public int fib(int n) {// 前两个数是初始化,无法通过递归得出if (n == 0 || n == 1) {return n;} else {// 公式递归return fib(n - 1) + fib(n - 2);}}
}

方法:动态规划

思路:

动态规划五步曲:

  1. 确定dp数组(dp table)以及下标的含义
  2. 确定递推公式
  3. dp数组如何初始化
  4. 确定遍历顺序
  5. 举例推导dp数组
class Solution {public int fib(int n) {if (n == 0 || n == 1) {return n;}// 1.dp[i]指的是第i个数的斐波那契数值// 从0到n是有n+1个数值int[] dp = new int[n + 1];// 3.初始化dp[0] = 0;dp[1] = 1;// 4.遍历顺序,从前往后for (int i = 2; i <= n; i++) {// 2.递推公式dp[i] = dp[i - 1] + dp[i - 2];}return dp[n];}
}

方法:动态规划

思路:

优化空间。其实只需要三个空间就可以完成了。

可以发现当计算完dp[i] = dp[i-1]+dp[i-2]之后,dp[i-2]就没用了。

此轮的dp[i-1]会变成下一轮的dp[i-2],所以整个数组左移一位,动态覆盖就好。

// 动态规划(空间优化版)
class Solution {public int fib(int n) {if (n == 0 || n == 1) {return n;}int[] dp = new int[3];dp[0] = 0;dp[1] = 1;for (int i = 2; i <= n; i++) {// 递推公式dp[2] = dp[0] + dp[1];// 计算完dp[2]之后,dp[0]就没用了,整体往前一个位置。dp[0] = dp[1];dp[1] = dp[2];}return dp[2];}
}

70. 爬楼梯

方法:递归,回溯

思路:

超时,太暴力了。时间复杂度是2^n,指数级别的,很恐怖。

// 回溯法(超时,太暴力了)
class Solution {int count = 0;int pathSum = 0;public int climbStairs(int n) {backtracking(n);return count;}private void backtracking(int n) {if (pathSum == n) {count++;return;}if (pathSum > n) {return;}// 每一轮选1或者2for (int i = 1; i <= 2; i++) {pathSum += i;backtracking(n);pathSum -= i;}}
}

方法:动态规划

思路:

  1. 因为每一次可以走一步或者两步,当n是3的时候,肯定是从1或者2那里跳过来的
  2. 所以1或者2有几种可能,3就是它俩的总和
  3. 由此得出递推公式:dp[i] = dp[i-1]+ dp[i-2];(这不就是斐波那契数列吗?)
// 动态规划
class Solution {public int climbStairs(int n) {if (n == 1 || n == 2) {return n;}// 虽然从1到n只有n个数,但是0是无意义的,所以初始化要从1开始,数组长度要n+1int[] 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];}
}

同样,这里可以进行空间优化,仅用3个空间。参考上一题的实现。不再赘述。

746. 使用最小花费爬楼梯

方法:动态规划

思路:

  1. 这里可以理解为,跳了之后才收费。dp[i]看是从dp[i-1]跳上来的,还是dp[i-2]跳上来的,对应加上那个格子的cost[]
  2. 注意:n+1才是楼顶,在索引n的地方
// 动态规划
// 这里可以理解为,跳了之后才收费。dp[i]看是从dp[i-1]跳上来的,还是dp[i-2]跳上来的,对应加上那个格子的cost[]
// 注意:n+1才是楼顶,在索引n的地方
class Solution {public int minCostClimbingStairs(int[] cost) {int n = cost.length;int[] dp = new int[n + 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 <= n; i++) {// dp是前面的跳到那个位置的累加和,因为是跳了之后才收费,所以要加上对应的cost[]dp[i] = Math.min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2]);}return dp[n];}
}

测试用例的dp[]情况:

n:3
cost:[10,15,20]
dp:[0,0,10,15]
index:[0,1,2,n]n:10
cost:[1,100,1,1,1,100,1,1,100,1]
dp:[0,0,1,2,2,3,3,4,4,5,6]
index:[0,1,2,3,4,5,6,7,8,9,n]
n+1才是楼顶,在索引n的地方
http://www.dtcms.com/a/320331.html

相关文章:

  • 华为服务器如何部署Mindie镜像
  • 俄文识别技术,高精度识别,支持多场景多平台
  • 天猫商品评论API技术指南
  • 如何在NVIDIA H100 GPU上用Ollama以最高性能运行大语言模型
  • 2025数字马力一面面经(社)
  • 【2025最新版】火狐浏览器(官方版)安装-附教程
  • Ubuntu 22 下脚本登录MFA堡垒机
  • 一个自动定位并查询天气的工具(c语言)
  • 八股文智力题
  • 目标检测数据集 - 高架视角道路车辆检测数据集下载「包含VOC、COCO、YOLO三种格式」
  • 为什么会有反射
  • js中的设计模式
  • UnivNet论文分析(20210615)
  • Flutter报错...Unsupported class file major version 65
  • 接口测试-mock测试
  • sigfillset 函数详解
  • Dash 中的 dcc.Clipboard 组件详解:实现一键复制功能
  • Caffeine 三种过期策略详解
  • Git 文件删除操作指南:管理与恢复已删除文件
  • python---pass函数
  • 【沉浸式解决问题】mysql-connector-python连接数据库:RuntimeError: Failed raising error.
  • React.memo
  • 【C#补全计划:类和对象(十)】密封
  • 阿里云可观测 2025 年 7 月产品动态
  • MCU中的USB
  • 虚拟乐队“天鹅绒落日”:AI生成音乐引发的行业风暴
  • STM32——STM32CubeMX
  • 【华为机试】113. 路径总和 II
  • Java异常处理机制深度解析:构建健壮程序的核心
  • C++ AVL树实现详解:理论+代码+图解