目录
[509. 斐波那契数](#509. 斐波那契数)
[70. 爬楼梯](#70. 爬楼梯)
[746. 使用最小花费爬楼梯](#746. 使用最小花费爬楼梯)
509. 斐波那契数
-
文章讲解：代码随想录
动态规划法
- 斐波那契数，通常用 F(n) 表示，形成的序列称为 斐波那契数列 。该数列由 0 和 1 开始，后面的每一项数字都是前面两项数字的和。也就是： F(0) = 0，F(1) = 1 F(n) = F(n - 1) + F(n - 2)，其中 n > 1 给你n ，请计算 F(n) 。
-
解题思路
- 用动态规划五部曲来做，加深动态规划理解
-
解题步骤
-
确定dp数组以及下标的含义：dpi的定义为：第i个数的斐波那契数值是dpi
-
确定递推公式： dpi = dpi - 1 + dpi - 2;
-
dp数组如何初始化：
dp[0] = 0; dp[1] = 1; -
确定遍历顺序：从递归公式dpi = dpi - 1 + dpi - 2;中可以看出，dpi是依赖 dpi - 1 和 dpi - 2，那么遍历的顺序一定是从前到后遍历的
-
举例推导dp数组：按照这个递推公式dpi = dpi - 1 + dpi - 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。
-
-
代码一：动态规划
cpp
// 时间复杂度：O(n)
// 空间复杂度：O(n)
class Solution {
public:
int fib(int N) {
if (N <= 1) return N;
vector<int> 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];
}
};70. 爬楼梯
-
文章讲解：代码随想
动态规划法
-
解题思路
- 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。
-
解题步骤
-
确定dp数组以及下标的含义：dpi： 爬到第i层楼梯，有dpi种方法
-
确定递推公式：从dpi的定义可以看出，dpi 可以有两个方向推出来。首先是dpi - 1，上i-1层楼梯，有dpi - 1种方法，那么再一步跳一个台阶不就是dpi了么。还有就是dpi - 2，上i-2层楼梯，有dpi - 2种方法，那么再一步跳两个台阶不就是dpi了么。所以dpi = dpi - 1 + dpi - 2 。
-
dp数组如何初始化：再回顾一下dpi的定义：爬到第i层楼梯，有dpi种方法。 那么i为0，dpi应该是多少呢，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。所以本题其实就不应该讨论dp0的初始化！不考虑dp0如何初始化，只初始化dp1 = 1，dp2 = 2，然后从i = 3开始递推，这样才符合dpi的定义。
-
确定遍历顺序：从递推公式dpi = dpi - 1 + dpi - 2;中可以看出，遍历顺序一定是从前向后遍历的
-
举例推导dp数组：如果代码出问题了，就把dp table 打印出来，看看究竟是不是和自己推导的一样。此时大家应该发现了，这不就是斐波那契数列么！唯一的区别是，没有讨论dp0应该是什么，因为dp0在本题没有意义！
-
-
代码一：动态规划
cpp
// 时间复杂度：$O(n)$
// 空间复杂度：$O(n)$
// 版本一
class Solution {
public:
int climbStairs(int n) {
if (n <= 1) return n; // 因为下面直接对dp[2]操作了，防止空指针
vector<int> dp(n + 1);
dp[1] = 1;
dp[2] = 2;
for (int i = 3; i <= n; i++) { // 注意i是从3开始的
dp[i] = dp[i - 1] + dp[i - 2];
}
return dp[n];
}
};746. 使用最小花费爬楼梯
-
文章讲解：代码随想录
动态规划法
-
解题思路
- 跳到 下标 0 或者 下标 1 是不花费体力的， 从 下标 0 下标1 开始跳就要花费体力了。
-
解题步骤
-
确定dp数组以及下标的含义L使用动态规划，就要有一个数组来记录状态，本题只需要一个一维数组dpi就可以了。dpi的定义：到达第i台阶所花费的最少体力为dpi。
-
确定递推公式：可以有两个途径得到dpi，一个是dpi-1 一个是dpi-2。dpi - 1 跳到 dpi 需要花费 dpi - 1 + costi - 1。dpi - 2 跳到 dpi 需要花费 dpi - 2 + costi - 2。那么究竟是选从dpi - 1跳还是从dpi - 2跳呢？一定是选最小的，所以dpi = min(dpi - 1 + costi - 1, dpi - 2 + costi - 2);
-
dp数组如何初始化：看一下递归公式，dpi由dpi - 1，dpi - 2推出，既然初始化所有的dpi是不可能的，那么只初始化dp0和dp1就够了，其他的最终都是dp0dp1推出。根据dp数组的定义，到达第0台阶所花费的最小体力为dp0，那么有同学可能想，那dp0 应该是 cost0，例如 cost = 1, 100, 1, 1, 1, 100, 1, 1, 100, 1 的话，dp0 就是 cost0 应该是1。这里就要说明本题力扣为什么改题意，而且修改题意之后 就清晰很多的原因了。新题目描述中明确说了 "你可以选择从下标为 0 或下标为 1 的台阶开始爬楼梯。" 也就是说 到达 第 0 个台阶是不花费的，但从 第0 个台阶 往上跳的话，需要花费 cost0。所以初始化 dp0 = 0，dp1 = 0;
-
确定遍历顺序：本题的遍历顺序其实比较简单，简单到很多同学都忽略了思考这一步直接就把代码写出来了。因为是模拟台阶，而且dpi由dpi-1dpi-2推出，所以是从前到后遍历cost数组就可以了。
-
举例推导dp数组：拿示例2：cost = 1, 100, 1, 1, 1, 100, 1, 1, 100, 1 ，来模拟一下dp数组的状态变化，如果大家代码写出来有问题，就把dp数组打印出来，看看和如上推导的是不是一样的。
-
-
代码一：动态规划
cpp
// 时间复杂度：O(n)
// 空间复杂度：O(n)
class Solution {
public:
int minCostClimbingStairs(vector<int>& cost) {
vector<int> dp(cost.size() + 1);
dp[0] = 0; // 默认第一步都是不花费体力的
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()];
}
};