前言
作者:小蜗牛向前冲
专栏:小蜗牛算法之路
专栏介绍:"蜗牛之道,攀登大厂高峰,让我们携手学习算法。在这个专栏中,将涵盖动态规划、贪心算法、回溯等高阶技巧,不定期为你奉上基础数据结构的精彩算法之旅。一同努力,追逐技术的星辰大海。"
目录
一、什么是动态规划
1、什么是动态规划
2、动态规划的学习
二、动态规划刷题
1、第 N 个泰波那契数
a、解题思路:
b、代码
2、 面试题 08.01. 三步问题
a、解题思路:
b、代码
3 、746. 使用最小花费爬楼梯
a、解题思路
b、代码
4、解码方法
a、解题思路
b、代码
c、代码优化
5、不同路径(medium)
a、解题思路
b、代码
本期我们将探讨动态规划,并提供5道经典动态规划问题,难度由浅入深。
一、什么是动态规划
1、什么是动态规划
在学习算法的过程中,我们往往会遇到一些算法题是要用动态规划来解决。
但是做为小白的我们哪里知道动态规划是什么?
从概念上说
动态规划(Dynamic Programming)是一种解决复杂问题的算法设计技术。它通常用于解决具有重叠子问题和最优子结构性质的问题,通过将问题分解为更小的子问题,并利用子问题的解来构建原始问题的解。
看完概念我们知道什么是动态规划,求重叠类子问题的 一般会用到动态规划的思路。
那我们如何求学习动态规划
2、动态规划的学习
对于算法类题目,在我们掌握算法的基本原理后,就是进行大量刷题,进经验的总结。
求解动态规划的五步骤:
1、状态表示
在求解过程中,我们往往要创建dp表(其实就是数组),状态表示就是我们要找出dp表中值的含义是什么。
状态表 怎么来?
- 根据题目要求
- 经验+题目要求
- 分析题目的过程中,发现重复子问题
2、状态转移方程
简单说是和dp[i]有关的一个方程
3、初始化
保证在填写dp表的时候不越界
4、填写顺序
根据前面的计算得来,可以从前往后,也可以从后往前。
5、返回值
根据题目要求+状态表示
讲完了解题步骤,下面就进行刷题训练。
特别提醒:后面博客会带领大家由易到难进行刷题,每期都为五题。
二、动态规划刷题
1、第 N 个泰波那契数
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提示:
0 <= n <= 37
- 答案保证是一个 32 位整数,即
answer <= 2^31 - 1
。
a、解题思路:
1、题目中的状态表示是什么?
dp[i] 表⽰:第 i 个泰波那契数的值。
2、状态转移方程
由题目意很很容易知道是T(n) = T(n-1)+T(n-2)+T(n-3)
3、初始化dp表
为了防止数组越界我们只需要初始化:
dp[0]=0;
dp[1]=1;
dp[2]=1;
4、 填表顺序
由状态方程+题意知道从左往右填写到N
5、返回值
根据题目要求和dp[i]就为dp[n]
b、代码
class Solution {
public:int tribonacci(int n) {//动态规划//1.创建dp表//2.初始化表//3.填表//4.返回值//处理边界情况if(n==0)return 0;if(n==1||n==2)return 1;//1、创建dp表vector<int> dp(n+1);//2、初始化表dp[0]=0,dp[1]=1,dp[2]=1;//3、填表for(int i = 3;i<=n;i++){dp[i] = dp[i-1]+dp[i-2]+dp[i-3];}//4、返回return dp[n];}
};
Leetcode 测试结果:
2、 面试题 08.01. 三步问题
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提示:
- n范围在[1, 1000000]之间
a、解题思路:
从0位置开始跳,下面我们来思考一下题意:
----->(表示跳台阶)
n=1时候
从0----->1
走法为1
n=2时候
从0----->2
或者说我们让1----->2因为从 0----->1的走法我们已经考虑过了
走法为2
n=3时候
从0----->3或者说
我们让1----->3因为从 0----->1的走法我们已经考虑过了走法为1
也可以2----->3因为从 0----->2的走法我们已经考虑过了走法为2
走法为1+1+2=4
n=4时候
不管怎么说先走到1,在从1----->4走法为1
不管怎么说先走到2,在从2----->4走法为2
不管怎么说先走到3,在从3----->4走法为4
总共走法:1+2+4=7
大家这里是不是已经思路清晰起来了
1、转态表示
以i位置为结尾,正好是到达第N个台阶,所以我们认为:
dp[i]表示:到达i位置时,一共有多少方法。
2、状态转移方程
以i位置的状态,最近进的一步进行划分
从(i-1)--->i dp[i-1]种走法
从(i-2)--->i dp[i-2]种走法
从(i-3)--->i dp[i-3]种走法
所以状态方程为:dp[i]=dp[i-1]+dp[i-2]+dp[i-3] ;
3、初始化
这里我们注意我们用不到i==0,因为0台阶的研究没有意义。
dp[1] = 1, dp[2] = 2, dp[3] = 4;
4、 填表顺序
根据前面的推断肯定是从左往右。
5、返回值
根据题目要求和dp[i]就为dp[n]
b、代码
这题虽然和第一题非常相似但是有细节要处理、
class Solution {
public://取模const int MOD = 1e9 + 7;int waysToStep(int n){//处理边界情况:if (n == 1 || n == 2)return n;if (n == 3)return 4;//创建dp表vector<int> dp(n + 1);//初始化dp[1] = 1, dp[2] = 2, dp[3] = 4;//填表for (int i = 4; i <= n; i++){//结果可能很大要进去取模dp[i] = ((dp[i - 1] + dp[i - 2]) % MOD + dp[i - 3]) % MOD;}//返回return dp[n];}
};
Leetcode 测试结果:
3 、746. 使用最小花费爬楼梯
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 解释:你将从下标为 0 的台阶开始。 - 支付 1 ,向上爬两个台阶,到达下标为 2 的台阶。 - 支付 1 ,向上爬两个台阶,到达下标为 4 的台阶。 - 支付 1 ,向上爬两个台阶,到达下标为 6 的台阶。 - 支付 1 ,向上爬一个台阶,到达下标为 7 的台阶。 - 支付 1 ,向上爬两个台阶,到达下标为 9 的台阶。 - 支付 1 ,向上爬一个台阶,到达楼梯顶部。 总花费为 6 。提示:
2 <= cost.length <= 1000
0 <= cost[i] <= 999
a、解题思路
这里我们要注意到达楼顶,应该是const数组最后一个位置的下一个位置
这里我们有二种思路:
思路一:
1、转态表示
以i位置为结尾,正好是楼顶,所以我们认为:
dp[i]表示:到达i位置时,最小花费
2、状态转移方程
根据最近的一个位置划分
先到达i-1的位置,然后支付const[i-1],走一步, 花费:dp[i-1]+cost[i-1]
先到达i-2的位置,然后支付const[i-2],走一步, 花费:dp[i-2]+cost[i-2]
所以dp[i] =min(dp[i-1]+cost[i-1],dp[i-2]+cost[i-2]);
3、初始化
保证dp表不越界就好dp[0]=dp[1]=0;
4、 填表顺序
从左往右
5、返回值
dp[n]
思路2:
1、转态表示
以i位置为起点,到达楼顶,所以我们认为:
dp[i]表示:从i位置出发到达楼顶,此时最小花费
2、状态转移方程
根据最近的一个位置划分
- 支付const[i],往后走一步, 从i+1位置出发到楼顶,花费:dp[i+1]+cost[i]
- 支付const[i],往后走二步, 从i+2位置出发到楼顶,花费:dp[i+2]+cost[i]
所以dp[i] =min(dp[i+1]+cost[i],dp[i+2]+cost[i]);
3、初始化
保证dp表不越界就好dp[n-1]=cost[n-1],dp[n-2]=cost[n-2];
4、 填表顺序
从右往左
5、返回值
min(dp[0],dp[1]);
b、代码
这里有二种解题思路:
思路一:
class Solution {
public:int minCostClimbingStairs(vector<int>& cost) {//处理边界情况int n = cost.size();if(n==0||n==1)return cost[n];//创建dp表vector<int> dp(n+1);//填表for(int i = 2;i<=n;i++){dp[i] =min(dp[i-1]+cost[i-1],dp[i-2]+cost[i-2]);}//返回return dp[n];}
};
Leetcode 测试结果:
解法二:
class Solution {
public:int minCostClimbingStairs(vector<int>& cost){int n = cost.size();//创建dp表vector<int> dp(n+1);//初始化dp[n-1]=cost[n-1],dp[n-2]=cost[n-2];//填表for(int i = n-3;i>=0;i--){dp[i] = min(dp[i+1]+cost[i],dp[i+2]+cost[i]);}//返回return min(dp[0],dp[1]);}
};
Leetcode 测试结果:
4、解码方法
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 。题目数据保证答案肯定是一个 32 位 的整数。
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)。提示:
1 <= s.length <= 100
s
只包含数字,并且可能包含前导零。
a、解题思路
看我们题目后,根据经验此题位动态规划解题
1、转态表示
首先我们想以i位置为结尾表示什么
dp[i]表示:以i位置结尾的时候,解码的方法有多少种
2、状态转移方程
根据最近的一个位置划分
让s[i]单独解码的时候,假设a=s[i]
- 成功,a!='0'(或者说是a>='1'&&a<='9'),解码的种类有dp[i-1]种
- 失败为0
让s[i-1]和s[i]组合进行解码 假设组合为b
- 成功b>='10'&&b<='26',解码的种类有dp[i-2]种
- 失败为0
有同学可能会想为什么不让dp[i]和dp[i+1]进行组合,但是大家 要明白,填表到dp[i]的时候,我们是知道dp[i-1]有多少种解码,但是我们不知道dp[i+1]有多少种解码。
所以状态转移方法为
单独解码
dp[i] +=dp[i-1];
组合解码
dp[i]=dp[i-2];
3、初始化
保证dp表
dp[0] = s[0]!='0';if(s[0]!='0'&&s[1]!='0') dp[1] +=dp[0];//这里我们还要把组合转换为数字进行判断int t = (s[0]-'0')*10+(s[1]-'0');if(t>=10&&t<=26) dp[1] +=1;
4、 填表顺序
从左往右
5、返回值
dp[n-1]
b、代码
class Solution {
public:int numDecodings(string s){//创建dp表int n = s.size();vector<int> dp(n);//初始化dp[0] = s[0]!='0';//处理边界情况if(n==1) return dp[0];//单解码if(s[0]!='0'&&s[1]!='0') dp[1] +=dp[0];//组合起来int t = (s[0]-'0')*10+(s[1]-'0');if(t>=10&&t<=26) dp[1] +=1;//填表for(int i = 2;i<n;i++){//单解码if(s[i]!='0') dp[i] +=dp[i-1];//双解码int t = (s[i-1]-'0')*10+(s[i]-'0');if(t>=10&&t<=26) dp[i] +=dp[i-2];}//返回return dp[n-1];}
};
Leetcode 测试结果:
c、代码优化
不知道大家分发现没,我们在初始化的代码和填表的代码,有着非常相似的特色,那我们能不能进行优化呢?
其实是可以的,多一个数组的空间就可以了。
简单的理解就是,把初始化的过程和填表合并了。但要注意二个问题:
那个虚拟节点dp[0]填写多少?后面大家做都了这种题,很多情况下都是填写0但,但是这里却是填写dp[0]=1;
为什么了,因为我们这里要保证后面填写的正确
比如:在进双解码的时候dp[i]+=dp[i-2],如何i=2时候,这里我们吧dp[0]初始化为0就会漏掉这种情况。
下标映射关系如上图。
class Solution {
public:int numDecodings(string s){//创建dp表int n = s.size();vector<int> dp(n+1);//初始化dp[0] = 1;//保证后面的填表的正确性//处理边界情况dp[1] = s[1-1]!='0';if(n==1) return dp[1];//填表for(int i = 2;i<=n;i++){//单解码if(s[i-1]!='0') dp[i] +=dp[i-1];//双解码int t = (s[i-2]-'0')*10+(s[i-1]-'0');if(t>=10&&t<=26) dp[i] +=dp[i-2];}//返回return dp[n];}
};
Leetcode 测试结果:
5、不同路径(medium)
一个机器人位于一个
m x n
网格的左上角 (起始点在下图中标记为 “Start” )。机器人每次只能向下或者向右移动一步。机器人试图达到网格的右下角(在下图中标记为 “Finish” )。
问总共有多少条不同的路径?
示例 1:
输入:m = 3, n = 7 输出:28示例 2:
输入:m = 3, n = 2 输出:3 解释: 从左上角开始,总共有 3 条路径可以到达右下角。 1. 向右 -> 向下 -> 向下 2. 向下 -> 向下 -> 向右 3. 向下 -> 向右 -> 向下示例 3:
输入:m = 7, n = 3 输出:28示例 4:
输入:m = 3, n = 3 输出:6提示:
1 <= m, n <= 100
- 题目数据保证答案小于等于
2 * 109
a、解题思路
看我们题目后,根据经验此题位动态规划解题
1、转态表示
首先我们想以i,j位置为结尾表示什么
dp[i][j表示:以i,j位置结尾的时候,机器人到这里有多少条路径
2、状态转移方程
根据最近的一个位置划分
我要求到[i,j] 路径,本质上就是求dp[i - 1][j] + dp[i][j - 1]的路径和
所以状态转移方法为
dp[i][j] = dp[i-1][j]+dp[i][j-1];
3、初始化
这里我们要初始化,就是在二维数组多开一行和一列,但我们要思路多开的行列填什么呢(一切都是为了填表走服务)?,很明显,在根据dp[i][j] = dp[i-1][j]+dp[i][j-1];填写表格的时候,走一步就到终点,那最外层从从到都应该填1(dp[i][j表示:以i,j位置结尾的时候,机器人到这里有多少条路径),为达到这不目的,应该把dp[0][1]=1其余为0。
4、 填表顺序
从上往下填写每一行,每一行都是从左往又开始填写
5、返回值
dp[m][n]
b、代码
class Solution {
public:int uniquePaths(int m, int n){//创建二维dp表vector<vector<int>> dp(m + 1, vector<int>(n + 1));//初始化dp[0][1] = 1;//填表for (int i = 1; i <= m; i++){for (int j = 1; j <= n; j++){dp[i][j] = dp[i - 1][j] + dp[i][j - 1];}}return dp[m][n];}
};
Leetcode 测试结果: