【动态规划1】斐波那契数列模型篇

文章目录

声明

本篇博客为动态规的基础篇,从零开始学习动态规划,如有错误,请指正。

动态规划介绍

动态规划简称DP,核心思想是将原问题分解为相互重叠的子问题,通过解决这些子问题来解决原问题。在解决每个子问题后,将其解存储起来,避免重复计算,以提高效率。

动态规划通常适用于以下类型的问题:

  • 最优化问题:如最长路径、最小代价等问题
  • 组合优化问题:如背包问题、切割问题等
  • 路径规划问题:如最短路径、最小生成树等
  • 序列匹配问题:如字符串匹配、子序列匹配等

通常情况下,使用动态规划来解决问题需要满足以下几个条件:

  1. 最优子结构:问题的最优解包含了其子问题的最优解。换句话说,通过求解子问题可以得到整体问题的最优解。

  2. 重叠子问题:问题可以分解为若干个相互重叠的子问题,这些子问题在解决过程中会被多次重复求解。

  3. 状态转移方程:问题的解可以通过状态转移的方式进行求解,即通过子问题的解推导出原问题的解。

解题步骤:

  1. 列出状态表示,dp表里的某个值代表的含义,需要通过大量做题来总结
  2. 列出状态方程,即dp[i]=?
  3. 初始化,保证填表的时候不越界
  4. 确定填表顺序,为了填写当前状态的时候前面的状态已经确定过了
  5. 返回值,题目要求+状态标识

实际上,光听这些理论的解题步骤,在做题的时候还是不会,接下来,将会从基础篇入手,来学动态规划算法。

1137.第N个泰波那契数

1137.第N个泰波那契数

题目描述

泰波那契序列 Tn 定义如下:

T0 = 0, T1 = 1, T2 = 1, 且在 n >= 0 的条件下 Tn+3 = Tn + Tn+1 + Tn+2

给你整数 n,请返回第 n 个泰波那契数 Tn 的值。

示例 1:

输入:n = 4

输出:4

解释:

T_3 = 0 + 1 + 1 = 2

T_4 = 1 + 1 + 2 = 4

示例 2:

输入:n = 25

输出:1389537

分析

  1. 状态表⽰:
    这道题可以「根据题⽬的要求」直接定义出状态表⽰:
    dp[i]表⽰:第i个泰波那契数的值。
  2. 状态转移⽅程:dp[i]=dp[i-1]+dp[i-2]+dp[i-3]
  3. 初始化:
    从我们的递推公式可以看出, dp[i]i = 0 以及i = 1的时候是没有办法进⾏推导的,因为dp[-2]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
  4. 填表顺序:从左往右
  5. 返回dp[n]的值

代码

cpp 复制代码
class Solution {
    int dp[40];
public:
    int tribonacci(int n) {
        dp[0]=0,dp[1]=1,dp[2]=1; //初始化
        for(int i=3;i<=n;i++)    //填表
        {
            dp[i]=dp[i-1]+dp[i-2]+dp[i-3];  //动态转移方程
        }
        return dp[n];     //返回值
    }
};

面试题 08.01. 三步问题

面试题 08.01. 三步问题

题目描述

三步问题。有个小孩正在上楼梯,楼梯有n阶台阶,小孩一次可以上1阶、2阶或3阶。实现一种方法,计算小孩有多少种上楼梯的方式。结果可能很大,你需要对结果模1000000007。

示例1:

输入:n = 3

输出:4

说明: 有四种走法

示例2:

输入:n = 5

输出:13

分析

  1. 状态方程表示:dp[i]表示到达第i个台阶时,有多少种方法

  2. 状态转移方程:dp[i]=dp[i-1]+dp[i-2]+dp[i-3]

    可以从分别从i-1i-2i-3到达i

  3. 初始化

    从我们的递推公式可以看出, dp[i] i = 0, i = 1 以及i = 2 的时候是没有办法进⾏推导的,因为dp[-3]dp[-2]dp[-1]不是⼀个有效的数据。

    因此我们需要在填表之前,将1, 2, 3位置的值初始化。

    根据题意, dp[1] = 1, dp[2] = 2, dp[3] = 4

  4. 填表顺序

    从左往右

  5. 返回值

    返回dp[n]的值

代码

cpp 复制代码
class Solution {
public:
    int MOD=1e9+7;
    int waysToStep(int n) {
        if(n==1||n==2) return n;  //处理一下边界情况
        if(n==3) return 4;
        vector<int> dp(n+1);
        dp[1]=1,dp[2]=2,dp[3]=4;  //初始化
        for(int i=4;i<=n;i++)   //填表
        {
            dp[i]=((dp[i-1]+dp[i-2])%MOD+dp[i-3])%MOD;
        }
        return dp[n];
    }
};

746.使用最小花费爬楼梯

746.使⽤最⼩花费爬楼梯

题目描述

给你一个整数数组 cost ,其中 cost[i] 是从楼梯第 i 个台阶向上爬需要支付的费用。一旦你支付此费用,即可选择向上爬一个或者两个台阶。

你可以选择从下标为 0 或下标为 1 的台阶开始爬楼梯。

请你计算并返回达到楼梯顶部的最低花费。

示例 1:

输入:cost = [10,15,20]

输出:15

解释:你将从下标为 1 的台阶开始。

  • 支付 15 ,向上爬两个台阶,到达楼梯顶部。
    总花费为 15 。

示例 2:

输入:cost = [1,100,1,1,1,100,1,1,100,1]

输出:6

分析

  1. 状态方程表示:dp[i]表示从i位置出发,到达楼顶的最小花费1
  2. 状态转移方程:
    ▪ ⽀付cost[i] ,往后⾛⼀步,接下来从i + 1的位置出发到终点: dp[i + 1] + cost[i]
    ▪ ⽀付cost[i] ,往后⾛两步,接下来从i + 2的位置出发到终点: dp[i + 2] + cost[i]
  3. 初始化:为了保证填表的时候不越界,我们需要初始化最后两个位置的值,结合状态表⽰易得: dp[n - 1] = cost[n - 1], dp[n - 2] = cost[n - 2]
  4. 填表顺序:从右到左
  5. 返回值:dp[1]dp[0]的最小值

代码

cpp 复制代码
class Solution {
public:
    int minCostClimbingStairs(vector<int>& cost) {
        int n=cost.size();
        vector<int> dp(n+1,0);
        dp[n-1]=cost[n-1],dp[n-2]=cost[n-2];
        for(int i=n-3;i>=0;i--)
        {
            dp[i]=cost[i]+min(dp[i+1],dp[i+2]);
        }
        return min(dp[1],dp[0]);
    }
};

91.解码⽅法

91.解码⽅法

题目描述

一条包含字母 A-Z 的消息通过以下映射进行了 编码 :

'A' -> "1"

'B' -> "2"

...

'Z' -> "26"

要 解码 已编码的消息,所有数字必须基于上述映射的方法,反向映射回字母(可能有多种方法)。例如,"11106" 可以映射为:

"AAJF" ,将消息分组为 (1 1 10 6)

"KJF" ,将消息分组为 (11 10 6)

注意,消息不能分组为 (1 11 06) ,因为 "06" 不能映射为 "F" ,这是由于 "6" 和 "06" 在映射中并不等价。

给你一个只含数字的 非空 字符串 s ,请计算并返回 解码 方法的 总数 。

示例 1:

输入:s = "12"

输出:2

解释:它可以解码为 "AB"(1 2)或者 "L"(12)。

示例 2:

输入:s = "226"

输出:3

解释:它可以解码为 "BZ" (2 26), "VF" (22 6), 或者 "BBF" (2 2 6) 。

示例 3:

输入:s = "06"

输出:0

解释:"06" 无法映射到 "F" ,因为存在前导零("6" 和 "06" 并不等价)。

分析

  1. 状态表示:dp[i]表示以i位置结尾时,解码方法的总数
  2. 可分为两种情况:
    s[i]单独解码的时候:如果解码成功dp[i]+=dp[i-1];如果解码失败就是0
    s[i-1]s[i]结合解码时:如果解码成功dp[i]+=dp[i-2];如果解码失败就是0
  3. 填表顺序:从左往右
  4. 返回值:返回最后一个值即可dp[n-1]

代码

cpp 复制代码
class Solution {
public:
    int numDecodings(string s) {
        int n=s.size();
        vector<int> dp(n,0);
        dp[0]=s[0]!='0';
        if(n==1) return dp[0];
        if(s[0]!='0'&&s[1]!='0') dp[1]+=1;
        int t=(s[0]-'0')*10+s[1]-'0';
        if(t>=10&&t<=26) dp[1]+=1;
        
        for(int i=2;i<n;i++)
        {
            if(s[i]!='0') dp[i]+=dp[i-1];
            int t=(s[i-1]-'0')*10+s[i]-'0';
            if(t>=10&&t<=26) dp[i]+=dp[i-2];
        }
        return dp[n-1];
    }
};
相关推荐
做人不要太理性14 分钟前
【C++】深入哈希表核心:从改造到封装,解锁 unordered_set 与 unordered_map 的终极奥义!
c++·哈希算法·散列表·unordered_map·unordered_set
程序员-King.23 分钟前
2、桥接模式
c++·桥接模式
chnming198727 分钟前
STL关联式容器之map
开发语言·c++
VertexGeek30 分钟前
Rust学习(八):异常处理和宏编程:
学习·算法·rust
石小石Orz30 分钟前
Three.js + AI:AI 算法生成 3D 萤火虫飞舞效果~
javascript·人工智能·算法
程序伍六七40 分钟前
day16
开发语言·c++
小陈phd1 小时前
Vscode LinuxC++环境配置
linux·c++·vscode
火山口车神丶1 小时前
某车企ASW面试笔试题
c++·matlab
jiao_mrswang1 小时前
leetcode-18-四数之和
算法·leetcode·职场和发展
qystca2 小时前
洛谷 B3637 最长上升子序列 C语言 记忆化搜索->‘正序‘dp
c语言·开发语言·算法