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：
- 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。
- 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。
- 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：
- 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
- 列出状态方程，即
dp[i]=？ - 初始化，保证填表的时候不越界
- 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
- 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
- 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。 - 状态转移⽅程：
dp[i]=dp[i-1] dp[i-2] dp[i-3] - 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：从左往右
- 返回
dp[n]的值
代码
代码语言：javascript复制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
- 状态方程表示：
dp[i]表示到达第i个台阶时，有多少种方法 - 状态转移方程：
dp[i]=dp[i-1] dp[i-2] dp[i-3]
可以从分别从i-1、i-2、i-3到达i
- 初始化
从我们的递推公式可以看出，
dp[i]在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]或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 - 填表顺序 从左往右
- 返回值
返回
dp[n]的值
代码
代码语言：javascript复制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
- 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 - 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] - 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] - 填表顺序：从右到左
- 返回值：
dp[1]和dp[0]的最小值
代码
代码语言：javascript复制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
- 状态表示：
dp[i]表示以i位置结尾时，解码方法的总数 - 可分为两种情况：
当
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 当s[i-1]和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 - 填表顺序：从左往右
- 返回值：返回最后一个值即可
dp[n-1]
代码
代码语言：javascript复制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];
}
};
