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]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
4. 填表顺序：从左往右
5. 返回dp[n]的值

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-1、i-2、i-3到达i

3. 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

4. 填表顺序
   从左往右

5. 返回值
   返回dp[n]的值

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]和dp[0]的最小值

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：
   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
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

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];}
};