代码随想录算法训练营第三十八天| 509. 斐波那契数,70. 爬楼梯,746. 使用最小花费爬楼梯

本文主要是介绍代码随想录算法训练营第三十八天| 509. 斐波那契数,70. 爬楼梯,746. 使用最小花费爬楼梯,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

题目与题解

参考资料:动态规划基础

动态规划五步曲 

  1. 确定dp数组(dp table)以及下标的含义
  2. 确定递推公式
  3. dp数组如何初始化
  4. 确定遍历顺序
  5. 举例推导dp数组

509. 斐波那契数

题目链接:​​​​​​​509. 斐波那契数

代码随想录题解:509. 斐波那契数

视频讲解:手把手带你入门动态规划 | LeetCode:509.斐波那契数_哔哩哔哩_bilibili

解题思路:

        斐波那契数是最经典的递归/迭代题,迭代方法对应的就是动态规划。

        已知F(0), F(1)以及F(n) = F(n-1)+F(n-2),直接就可以用循环逐一写出F(n)的值了。这里因为不需要求1-n之间每个数的斐波那契数,所以简单一点,不用数组记录结果,只要用临时变量记录F(n-1)和F(n-2)即可。

class Solution {public int fib(int n) {if (n <= 1) return n;int pre1 = 0, pre2 = 1;int cur = 0;for (int i = 2; i < n; i++) {cur = pre1 + pre2;pre1 = pre2;pre2 = cur;}return cur;}
}

看完代码随想录之后的想法 

        按照随想录的五步法做练习:

  1. 确定dp数组(dp table)以及下标的含义:dp[i]表示数i的斐波那契数
  2. 确定递推公式:题目已经给了,dp[i]=dp[i-1]+dp[i-2]
  3. dp数组如何初始化:同样题目已经给了,dp[0] = 0, dp[1] = 1
  4. 确定遍历顺序:当前数的斐波那契数由其前两个数相加直接得到,所以按顺序遍历即可
  5. 举例推导dp数组:随意用一串斐波那契数带入递推公式 - 0,1,1,2,3,5,8...,符合要求

遇到的困难

        无

70. 爬楼梯

题目链接:​​​​​​​70. 爬楼梯

代码随想录题解:70. 爬楼梯

视频讲解:带你学透动态规划-爬楼梯(对应力扣70.爬楼梯)| 动态规划经典入门题目_哔哩哔哩_bilibili

解题思路:

        这题其实其实就是求斐波那契数的变种,因为爬到当前楼梯的方法,要么是从前一个楼梯爬一级,要么是从再前一个楼梯爬两级,除此之外没有别的选择了,所以递推公式仍然是F(n) = F(n-1)+F(n-2),不一样的地方在于初始值,第一个数F(1)=1,第二个数F(2)=2。

class Solution {public int climbStairs(int n) {if (n <= 2) return n;int[] dp = new int[]{1, 2};int res = 0;for (int i = 3; i <= n; i++) {res = dp[0] + dp[1];dp[0] = dp[1];dp[1] = res;}return res;}
}

看完代码随想录之后的想法 

        附上拓展题,一次最多可以爬m个台阶

class Solution {
public:int climbStairs(int n) {vector<int> dp(n + 1, 0);dp[0] = 1;for (int i = 1; i <= n; i++) {for (int j = 1; j <= m; j++) { // 把m换成2,就可以AC爬楼梯这道题if (i - j >= 0) dp[i] += dp[i - j];}}return dp[n];}
};

遇到的困难

        无

746. 使用最小花费爬楼梯 

题目链接:746. 使用最小花费爬楼梯 

代码随想录题解:​​​​​​​746. 使用最小花费爬楼梯 

视频讲解:动态规划开更了!| LeetCode:746. 使用最小花费爬楼梯_哔哩哔哩_bilibili

解题思路:

        这题比普通爬楼梯略复杂了一些,除了一次可以爬一步或者两步的基础要求外,还有需要花费最小代价,所以爬楼梯时哪些台阶走一步,哪些台阶走两步,就涉及到了选择的问题。但是,这里还是可以抽象化为动态规划去做,用dp[i]记录爬到当前台阶所需的最小花费,那么dp[i]要么是从dp[i-1]走一步得到,要么是从dp[i-2]走两步得到,所以dp[i] = min(dp[i-1]+cost[i-1], dp[i-2]+cost[i-2])。

        这里需要注意一下,爬上第0级和第1级台阶是不需要代价的,所以初始化dp[0]=dp[1]=0。

class Solution {public int minCostClimbingStairs(int[] cost) {int[] dp = new int[]{0, 0};int sum = 0;for (int i = 2; i <= cost.length; i++) {sum = Math.min(dp[1] + cost[i - 1], dp[0] + cost[i - 2]);dp[0] = dp[1];dp[1] = sum;}return dp[1];}
}

看完代码随想录之后的想法 

        思路是一样的,这题同样不难,不严格按照五步分析也能写出来。但是后面题目变难了就不好说了。

遇到的困难

        一开始初始化dp[0]和dp[1]的时候写成了cost[0]cost[1],怎么着都不对,然后就用了一个数列举例,逐一写出如何得到dp[i]的结果,然后才意识到第0,1级台阶不需要cost就可以上去。所以做错的时候直接举例最直观。

今日收获

        初步学习了动态规划方法的五部曲,用简单题实践了一下,目前感觉尚可。

这篇关于代码随想录算法训练营第三十八天| 509. 斐波那契数,70. 爬楼梯,746. 使用最小花费爬楼梯的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/900407

相关文章

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

【数据结构】——原来排序算法搞懂这些就行,轻松拿捏

前言:快速排序的实现最重要的是找基准值,下面让我们来了解如何实现找基准值 基准值的注释:在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。 在此我们采用三数取中法,也就是取左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值。 快速排序实现主框架: //快速排序 void QuickSort(int* arr, int left, int rig