赞
踩
目录
动态规划一般会先定义一个dp表,dp表一般为一维数组 / 二位数组。如:一维数组,会先创建一个一维数组(dp表),接下来就是想办法将这个dp填满,而填满之后里面的某一个值就是最终结果。
#问:是什么?
#问:怎么来?
#问:是什么?
#问:有什么作用?
dp表是根据状态转移方程进行的,而状态转移方程是通过已有状态推出未知状态。
#问:有什么作用?
题目要求 + 状态表示。
1137. 第 N 个泰波那契数 - 力扣(LeetCode)
泰波那契序列 Tn 是从 T0 开始的,也就是说Tn的个数是 n+1 需要注意。
#:状态表示:
这道题可以「根据题目的要求」直接定义出状态dp[i] 表示:第 i 个泰波那契数的值。
#: 状态转移方程:
#: 初始化:
从我们的递推公式可以看出, dp[i] 在 i = 0 以及 i = 1 的时候是没有办法进行推导的,因为 dp[-2] 或 dp[-1] 不是⼀个有效的数据。 因此我们需要在填表之前,将 0, 1, 2 位置的值初始化。题⽬中已经告诉我们 dp[0] = 0,dp[1] = dp[2] = 1 。
#:填表顺序:
- class Solution {
- public:
- int tribonacci(int n) {
-
- // 处理边界情况
- if(n == 0) return 0;
- if(n <= 2) return 1;
-
- // 1、创建dp表
- vector<int> dp(n + 1,0);
-
- // 2、初始化
- dp[1] = 1, dp[2] = 1;
-
- // 3、填表
- for(int i = 3; i<=n; i++)
- dp[i] = dp[i - 3] + dp[i - 2] + dp[i - 1];
-
- // 4、返回值
- return dp[n];
- }
- };

通过上述图可以发现。
dp[i]是只与前三个元素相关,所以我们可以将代码写为如下:
- class Solution {
- public:
- int tribonacci(int n) {
-
- // 处理边界情况
- if(n == 0) return 0;
- if(n <= 2) return 1;
-
- // 1、创建 dp 表
- vector<int> val(3,0);
-
- // 2、初始化
- val[1] = 1, val[2] = 1;
- int tmp = 0;
-
- // 3、填表
- for(int i = 3; i<=n; i++)
- {
- tmp = val[0] + val[1] + val[2];
- val[0] = val[1], val[1] = val[2], val[2] = tmp;
- }
-
- // 4、返回
- return tmp;
- }
- };

面试题 08.01. 三步问题 - 力扣(LeetCode)
散步问题 dpn 是从 dp1 开始的,也就是说 Tn 的个数是 n + 1 需要注意,将 pd[0] 单独放在一旁有益于代码的书写。
对应的阶梯是由前三个阶梯而来。
#:状态表示:
#: 状态转移方程:
#: 初始化:
#:填表顺序:
#: 返回值:
- class Solution {
- public:
- int waysToStep(int n) {
-
- // 处理边界情况
- if(n == 1 || n == 2) return n;
- if(n == 3) return 4;
-
- // 1、创建 dp 表
- vector<int> dp(n + 1, 0);
-
- // 2、初始化
- dp[1] = 1, dp[2] = 2, dp[3] = 4;
-
- // 3、填表
- for(int i = 4; i <= n; i++)
- dp[i] = ((dp[i - 1] + dp[i - 2]) % 1000000007 + dp[i - 3]) % 1000000007;
-
- // 4、返回
- return dp[n];
- }
- };

- class Solution {
- public:
- int waysToStep(int n) {
-
- // 1、创建 dp 表
- vector<int> dp(4, 0);
-
- // 2、初始化
- dp[1] = 1, dp[2] = 2, dp[3] = 4;
-
- // 处理边界情况
- if(n <= 3) return dp[n];
-
- // 3、填表
- uint64_t tmp = 0;
- for(int i = 4; i <= n; i++)
- {
- tmp = ((dp[1] + dp[2]) % 1000000007 + dp[3]) % 1000000007;
- dp[1] = dp[2], dp[2] = dp[3], dp[3] = tmp;
- }
-
- // 4、返回
- return tmp;
- }
- };

pd[i]是由前两个台阶的,所处台阶需花费用 + 所处台阶已花费用的min值。 需要注意的是,此处的顶部并不是n,而是n+1。
#:状态表示:
这道题可以根据「经验 + 题目要求」直接定义出状态dp[i] 表示:到达 i 位置时的最小花费。(注意:到达 i 位置的时候,i 位置的钱不需要算上,先到达,后出发花费)
#: 状态转移方程:
#: 初始化:
从我们的递推公式可以看出,我们需要先初始化 i = 0、i = 1 位置的值。容易得到 dp[0] = dp[1] = 0 ,因为不需要任何花费,就可以直接站在第 0 层和第 1 层上。
#:填表顺序:
- class Solution {
- public:
- int minCostClimbingStairs(vector<int>& cost) {
-
- // 1、创建dp表
- vector<int> dp(cost.size() + 1, 0);
-
- // 2、初始化
- dp[0] = 0, dp[1] = 0;
-
- // 3、填表
- for(int i = 2; i <= cost.size(); i++)
- dp[i] = min(cost[i - 1] + dp[i - 1], cost[i - 2] + dp[i - 2]);
-
- // 4、返回
- return dp[cost.size()];
- }
- };

- class Solution {
- public:
- int minCostClimbingStairs(vector<int>& cost) {
-
- // 处理边界情况
- if(cost.size() == 2) return min(cost[0], cost[1]);
-
- // 1、创建dp表
- vector<int> dp(2, 0);
-
- // 2、初始化
- dp[0] = 0, dp[1] = 0;
-
- // 3、填表
- int tmp = 0;
- for(int i = 2; i <= cost.size(); i++)
- {
- tmp = min(cost[i - 1] + dp[1], cost[i - 2] + dp[0]);
- dp[0] = dp[1], dp[1] = tmp;
- }
-
- // 4、返回
- return tmp;
- }
- };

相对于题目解析一,此处是倒着来的,如:从 n - 1 位置出发,到达楼顶,就是cost [n-1]。从 n - 2 位置出发,到达楼顶,就是cost [n - 2]。
#:状态表示:
#: 状态转移方程:
我们要的是最小花费,因此 dp[i] = min(dp[i + 1], dp[i + 2]) + cost[i] 。
#: 初始化:
#:填表顺序:
- class Solution {
- public:
- int minCostClimbingStairs(vector<int>& cost) {
-
- // 处理边界情况
- if(cost.size() == 2) return min(cost[0], cost[1]);
-
- int n = cost.size();
- // 1、创建dp表
- vector<int> dp(n, 0);
-
- // 2、初始化
- dp[n - 1] = cost[n - 1], dp[n - 2] = cost[n - 2];
-
- // 3、填表
- for(int i = n - 3; i >= 0; i--)
- dp[i] = min(dp[i + 1], dp[i + 2]) + cost[i];
-
- // 4、返回
- return min(dp[0], dp[1]);
- }
- };

通过上述图可以发现。
dp[i]是只与后两个元素相关,所以我们可以将代码写为如下:
- class Solution {
- public:
- int minCostClimbingStairs(vector<int>& cost) {
- // 处理边界情况
- if(cost.size() == 2) return min(cost[0], cost[1]);
-
- // 1、创建dp表
- vector<int> dp(2, 0);
-
- // 2、初始化
- dp[1] = cost[cost.size() - 1], dp[0] = cost[cost.size() - 2];
-
- // 3、填表
- int tmp = 0;
- for(int i = cost.size() - 3; i >= 0; i--)
- {
- tmp = min(dp[0], dp[1]) + cost[i];
- dp[1] = dp[0], dp[0] = tmp;
- }
-
- // 4、返回
- return min(dp[0], dp[1]);
- }
- };

#:一般的一维线性dp
状态表示是以 i 为结尾 / 以 i 为起点,然后研究问题 —— 然后就是要看能否,可以推出可行的状态转移方程。
(强行定义状态表示,直接推状态转移方程,就算错了也会有些许思路,答案慢慢的就出来了)
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。