leetcode746.使用最小花费爬楼梯(动态规划)

2024-05-09 12:28

本文主要是介绍leetcode746.使用最小花费爬楼梯(动态规划),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!

问题描述:

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。

示例一:
 

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 

示例二:

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 。

问题解决:

方法一:

1.状态表示:

因为要使用动态规划来解决,所以必须要有dp数组来记录一个状态。

这道题中dp[i]表示到达i位置的最小花费,下面就要用前面的dp值以及cost值来表示dp[i]

2.状态转移方程

主要是通过之前的状态,来表示dp[i]的值。

因为题干中规定可以选择向上爬一个台阶或者两个台阶,对应dp[i]就要找出这两种情况下花费最小

的从而赋值给dp[i]。

dp[i]可以选择前一个台阶即[i - 1]的位置然后向上走一步,这时的花费为dp[i - 1] + cost[i - 1],对应的

为走一步的情况。

dp[i]可以选择前两个台阶即[i - 2]的位置然后向前走两步,这是的花费位dp[i - 2] + cost[i - 2],对应为

向前走两步的情况。

所以dp[i]的状态转移方程为:min(dp[i - 1] + cost[i - 1] , dp[i - 2] + cost[i - 2]).

3.初始化一些值

这一步主要是为了在填写dp表的时候不越界。

从状态转移方程中我们可以看到,使用了dp[i - 1]和dp[i - 2]这两个值,这也就意味着

我们需要初始化dp[0]和dp[1]这两个位置,那么应该初始化成什么呢?

因为题干中说可以选择从下标为 0 或下标为 1 的台阶开始爬楼梯,所以这也就代表了前往第0个梯

子和第一个梯子不需要任何花费,所以初始化:

dp[0] = dp[i] = 0;

4.填表的顺序

应为dp[i]的实现依靠于dp[i - 1]和dp[i - 2]所以也就注定了顺序是从左向右的。

5.返回值

题干要求返回到达楼顶的最高位置,所以直接返回最高位置的dp数组的值就可以了。

细节:

到底哪里才算爬到楼顶,应该是将最后一个阶梯走完之后,才算爬到楼顶,所以也就注定了dp数组

的长度比cost数组的长度要多一位,用来记录最后到楼顶的花费。

对应的代码:

int minCostClimbingStairs(vector<int>& cost) 
{// dp[i] 表示到达i位置的最小花费int n = cost.size();vector<int> dp(n + 1);dp[0] = 0;dp[1] = 0;for (int i = 2; i <= n; i++) {dp[i] = min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2]);}return dp[n];
}

动态规划的代码的书写方式很固定,首先判断是否有特殊情况,有的话直接先进行判断,然后

1.创建dp表

2.初始化dp中的一些元素

3.顺序填表(状态转移方程)

4.返回 

方法二:

1.状态表示:

因为要使用动态规划来解决,所以必须要有dp数组来记录一个状态。

这道题中dp[i]表示从i位置出发,到达楼顶的最小花费

2.状态转移方程

主要是通过之后的状态,来表示dp[i]的值。

这里的dp[i]有了不同的含义,因为题干中规定可以向前走一步或者两步,所以可以选择后一个或者

后两个来取出最小的花费

dp[i]如果选择后一个台阶来进行跳跃,就需要从后一个位置出发,到达楼顶的最小花费来加上自己

位置本身的花费来表示dp[i]的值。

dp[i]如果选择后两个台阶来进行跳跃,就需要从后两个位置出发,到达楼顶的最小花费来加上自己

位置本身的画法来表示dp[i]的值。

所以dp[i]的状态转移方程是:dp[i] = min(dp[i + 1] + cost[i], dp[i + 2] + cost[i]).

3.初始化一些值

这一步主要是为了在填写dp表的时候不越界。

观察状态转移方程发现需要dp的后两个位置的值,这也就意味着我们要初始化

dp[n - 1]和dp[n - 2]这两个值,那么这两个值应该初始化成什么呢?

由题干可知:可选择向上爬一个或者两个台阶,所以只要这两个台阶的人支付自己所在的台阶的费

用,就可以实现到达顶端。

对dp[n - 1]和dp[n - 2]的初始化为:

dp[n - 1] = cost[n - 1],dp[n - 2] = cost[n - 2].

4.填表的顺序

可以从状态转移方程看出,填表顺序是从右到左的

5.返回值

应为题干规定可以选择从下标为 0 或下标为 1 的台阶开始爬楼梯

所以dp[0]和dp[1]都有可能是最终的答案,谁小取谁

min(dp[0],dp[]1)

最终的代码如下:

class Solution 
{
public:int minCostClimbingStairs(vector<int>& cost) {// dp[i]表示从i位置出发,到达楼顶的最小花费//1.创建dp表int n = cost.size();vector<int> dp(n);//2.初始化dp中的一些元素dp[n - 1] = cost[n - 1];dp[n - 2] = cost[n - 2];//3.顺序填表(状态转移方程)for (int i = n - 3; i >= 0; i--) {dp[i] = min(dp[i + 1] + cost[i], dp[i + 2] + cost[i]);}//4.返回return min(dp[0], dp[1]);}
};

 这就是这道题的两种解法。

这篇关于leetcode746.使用最小花费爬楼梯(动态规划)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/973410

相关文章

Java学习手册之Filter和Listener使用方法

《Java学习手册之Filter和Listener使用方法》:本文主要介绍Java学习手册之Filter和Listener使用方法的相关资料,Filter是一种拦截器,可以在请求到达Servl... 目录一、Filter(过滤器)1. Filter 的工作原理2. Filter 的配置与使用二、Listen

Pandas使用AdaBoost进行分类的实现

《Pandas使用AdaBoost进行分类的实现》Pandas和AdaBoost分类算法,可以高效地进行数据预处理和分类任务,本文主要介绍了Pandas使用AdaBoost进行分类的实现,具有一定的参... 目录什么是 AdaBoost?使用 AdaBoost 的步骤安装必要的库步骤一:数据准备步骤二:模型

使用Pandas进行均值填充的实现

《使用Pandas进行均值填充的实现》缺失数据(NaN值)是一个常见的问题,我们可以通过多种方法来处理缺失数据,其中一种常用的方法是均值填充,本文主要介绍了使用Pandas进行均值填充的实现,感兴趣的... 目录什么是均值填充?为什么选择均值填充?均值填充的步骤实际代码示例总结在数据分析和处理过程中,缺失数

如何使用 Python 读取 Excel 数据

《如何使用Python读取Excel数据》:本文主要介绍使用Python读取Excel数据的详细教程,通过pandas和openpyxl,你可以轻松读取Excel文件,并进行各种数据处理操... 目录使用 python 读取 Excel 数据的详细教程1. 安装必要的依赖2. 读取 Excel 文件3. 读

SpringBoot基于配置实现短信服务策略的动态切换

《SpringBoot基于配置实现短信服务策略的动态切换》这篇文章主要为大家详细介绍了SpringBoot在接入多个短信服务商(如阿里云、腾讯云、华为云)后,如何根据配置或环境切换使用不同的服务商,需... 目录目标功能示例配置(application.yml)配置类绑定短信发送策略接口示例:阿里云 & 腾

解决Maven项目idea找不到本地仓库jar包问题以及使用mvn install:install-file

《解决Maven项目idea找不到本地仓库jar包问题以及使用mvninstall:install-file》:本文主要介绍解决Maven项目idea找不到本地仓库jar包问题以及使用mvnin... 目录Maven项目idea找不到本地仓库jar包以及使用mvn install:install-file基

Python使用getopt处理命令行参数示例解析(最佳实践)

《Python使用getopt处理命令行参数示例解析(最佳实践)》getopt模块是Python标准库中一个简单但强大的命令行参数处理工具,它特别适合那些需要快速实现基本命令行参数解析的场景,或者需要... 目录为什么需要处理命令行参数?getopt模块基础实际应用示例与其他参数处理方式的比较常见问http

C 语言中enum枚举的定义和使用小结

《C语言中enum枚举的定义和使用小结》在C语言里,enum(枚举)是一种用户自定义的数据类型,它能够让你创建一组具名的整数常量,下面我会从定义、使用、特性等方面详细介绍enum,感兴趣的朋友一起看... 目录1、引言2、基本定义3、定义枚举变量4、自定义枚举常量的值5、枚举与switch语句结合使用6、枚

使用Python从PPT文档中提取图片和图片信息(如坐标、宽度和高度等)

《使用Python从PPT文档中提取图片和图片信息(如坐标、宽度和高度等)》PPT是一种高效的信息展示工具,广泛应用于教育、商务和设计等多个领域,PPT文档中常常包含丰富的图片内容,这些图片不仅提升了... 目录一、引言二、环境与工具三、python 提取PPT背景图片3.1 提取幻灯片背景图片3.2 提取

使用Python实现图像LBP特征提取的操作方法

《使用Python实现图像LBP特征提取的操作方法》LBP特征叫做局部二值模式,常用于纹理特征提取,并在纹理分类中具有较强的区分能力,本文给大家介绍了如何使用Python实现图像LBP特征提取的操作方... 目录一、LBP特征介绍二、LBP特征描述三、一些改进版本的LBP1.圆形LBP算子2.旋转不变的LB