理论基础
无论大家之前对动态规划学到什么程度,一定要先看 我讲的 动态规划理论基础。
如果没做过动态规划的题目,看我讲的理论基础,会有感觉 是不是简单题想复杂了?
其实并没有,我讲的理论基础内容,在动规章节所有题目都有运用,所以很重要!
如果做过动态规划题目的录友,看我的理论基础 就会感同身受了。
视频:从此再也不怕动态规划了,动态规划解题方法论大曝光 !| 理论基础 |力扣刷题总结| 动态规划入门_哔哩哔哩_bilibili
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。
Python:
太经典了。
python
class Solution:
def fib(self, n: int) -> int:
a = 0
b = 1
for _ in range(n):
a, b = b, a+b
return a
C++:
cpp没有python同时赋值的操作,注意一下语法实现。
python
class Solution {
public:
int fib(int n) {
int a = 0;
int b = 1;
int tmp;
for (int i=0; i<n; i++) {
tmp = b;
b = a+b;
a = tmp;
}
return a;
}
};
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。
Python:
和斐波那契思路基本一致,递归是会超时的,注意内存和时间的优化,O(n)最优。
python
class Solution:
def climbStairs(self, n: int) -> int:
if n<=2: return n
a, b = 1, 2
for _ in range(2, n+1):
a, b = b, a+b
return a
C++:
return b可以保证在n=45时不溢出,return a在n=45时会溢出。
cpp
class Solution {
public:
int climbStairs(int n) {
if (n<=2) return n;
int a = 1;
int b = 2;
for (int i=2; i<n; i++) {
int tmp = a+b;
a = b;
b = tmp;
}
return b;
}
};
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
Python:
python
class Solution:
def minCostClimbingStairs(self, cost: List[int]) -> int:
cost.append(0)
a = b = 0
for c in cost:
if a>b:
a, b = b, b+c
else:
a, b = b, a+c
return b
C++:
cpp
class Solution {
public:
int minCostClimbingStairs(vector<int>& cost) {
int a = 0;
int b = 0;
int tmp;
cost.push_back(0);
for (int c:cost) {
tmp = b;
if (a>b) {
b += c;
} else {
b = a+c;
}
a = tmp;
}
return b;
}
};