🎋前言
动态规划相关题目都可以参考以下五个步骤进行解答:
- 状态表⽰
- 状态转移⽅程
- 初始化
- 填表顺序
- 返回值
后面题的解答思路也将按照这五个步骤进行讲解。
🍀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
class Solution { public int tribonacci(int n) { } }
🚩算法流程
- 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:
题⽬已经⾮常贴⼼的告诉我们了:
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:
毫⽆疑问是「从左往右」。
- 返回值:
应该返回 dp[n] 的值。
🚩代码实现
class Solution { public int tribonacci(int n) { int[] dp = new int[n + 3]; dp[0] = 0; dp[1] = 1; dp[2] = 1; for(int i = 0; i < n; i++) { dp[i + 3] = dp[i] + dp[i + 1] + dp[i + 2]; } return dp[n]; } }
🎄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
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 。
class Solution { public int minCostClimbingStairs(int[] cost) { } }
🚩算法思路
🎈解法⼀:
- 状态表⽰:
这道题可以根据「经验+题⽬要求」直接定义出状态表⽰:
第⼀种:以 i 位置为结尾,然后一系列操作
dp[i] 表⽰:到达 i 位置时的最⼩花费。(注意:到达 i 位置的时候, i 位置的钱不需要算上)
- 状态转移⽅程:
根据最近的⼀步,分情况讨论:
▪ 先到达 i - 1 的位置,然后⽀付 cost[i - 1] ,接下来⾛⼀步⾛到 i 位置:dp[i - 1] + csot[i - 1] ;
▪ 先到达 i - 2 的位置,然后⽀付 cost[i - 2] ,接下来⾛⼀步⾛到 i 位置:dp[i - 2] + csot[i - 2] 。
- 初始化:
从我们的递推公式可以看出,我们需要先初始化 i = 0 ,以及 i = 1 位置的值。容易得到 dp[0] = dp[1] = 0 ,因为不需要任何花费,就可以直接站在第 0 层和第 1 层上。
- 填表顺序:
根据「状态转移⽅程」可得,遍历的顺序是「从左往右」。
- 返回值:
根据「状态表⽰以及题⽬要求」,需要返回 dp[n] 位置的值。
🎈解法⼆:
- 状态表⽰:
这道题可以根据「经验+题⽬要求」直接定义出状态表⽰:第⼆种:以 i 位置为起点,进行一系列操作。
dp[i] 表⽰:从 i 位置出发,到达楼顶,此时的最⼩花费。
- 状态转移⽅程:
根据最近的⼀步,分情况讨论:
▪ 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] ;
我们要的是最⼩花费,因此 dp[i] = min(dp[i + 1], 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:
根据「状态转移⽅程」可得,遍历的顺序是「从右往左」。
- 返回值:
根据「状态表⽰以及题⽬要求」,需要返回 dp[n] 位置的值。也就是dp[0]与dp[1]中的较小值
🚩代码实现:
解法一:
class Solution { public int minCostClimbingStairs(int[] cost) { int n = cost.length; int[] dp = new int[n + 1]; for(int i = 2; i <= n; i++) { dp[i] = Math.min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2]); } return dp[n]; } }
解法二:
class Solution { public int minCostClimbingStairs(int[] cost) { // 1. 创建 dp 表 // 2. 初始化 // 3. 填表 // 4. 返回值 int n = cost.length; int[] dp = new int[n]; dp[n - 1] = cost[n - 1]; dp[n - 2] = cost[n - 2]; for(int i = n - 3; i >= 0; i--) { dp[i] = Math.min(dp[i + 1], dp[i + 2]) + cost[i]; } return Math.min(dp[0], dp[1]); } }
🌲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 。
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)。
class Solution { public int numDecodings(String s) { } }
🚩算法思路
类似于斐波那契数列~
- 状态表⽰:
根据以往的经验,对于⼤多数线性 dp ,我们经验上都是「以某个位置结束或者开始」做⽂章,这⾥我们继续尝试「⽤i位置为结尾」结合「题⽬要求」来定义状态表⽰。dp[i] 表⽰:字符串中 [0,i] 区间上,⼀共有多少种编码⽅法。
- 状态转移⽅程:
定义好状态表⽰,我们就可以分析 i 位置的 dp 值,如何由「前⾯」或者「后⾯」的信息推导出
来。
关于 i 位置的编码状况,我们可以分为下⾯两种情况:
- 让 i 位置上的数单独解码成⼀个字⺟;
- 让 i 位置上的数与 i - 1 位置上的数结合,解码成⼀个字⺟。
下⾯我们就上⾯的两种解码情况,继续分析:
- 让i位置上的数单独解码成⼀个字⺟,就存在「解码成功」和「解码失败」两种情况:
- 解码成功:当 i 位置上的数在 [1, 9] 之间的时候,说明 i 位置上的数是可以单独解码的,那么此时 [0, i] 区间上的解码⽅法应该等于 [0, i - 1] 区间上的解码⽅法。因为 [0, i - 1] 区间上的所有解码结果,后⾯填上⼀个 i 位置解码后的字⺟就可以了。此时 dp[i] = dp[i - 1] ;
- 解码失败:当 i 位置上的数是 0 的时候,说明 i 位置上的数是不能单独解码的,那么此时 [0, i] 区间上不存在解码⽅法。因为 i 位置如果单独参与解码,但是解码失败了,那么前⾯做的努⼒就全部⽩费了。此时 dp[i] = 0 。
- 让 i 位置上的数与 i - 1 位置上的数结合在⼀起,解码成⼀个字⺟,也存在「解码成功」和「解码失败」两种情况:
- 解码成功:当结合的数在 [10, 26] 之间的时候,说明 [i - 1, i] 两个位置是可以解码成功的,那么此时 [0, i] 区间上的解码⽅法应该等于 [0, i - 2 ]区间上的解码⽅法,原因同上。此时dp[i] = dp[i - 2] ;
- 解码失败:当结合的数在 [0, 9] 和 [27 , 99] 之间的时候,说明两个位置结合后解码失败(这⾥⼀定要注意 00 01 02 03 04 …这⼏种情况),那么此时 [0, i] 区间上的解码⽅法就不存在了,原因依旧同上。此时 dp[i] = 0 。
综上所述: dp[i] 最终的结果应该是上⾯四种情况下,解码成功的两种的累加和(因为我们关⼼的是解码⽅法,既然解码失败,就不⽤加⼊到最终结果中去),因此可以得到状态转移⽅程( dp[i] 默认初始化为 0 ):
- 当 s[i] 上的数在 [1, 9] 区间上时: dp[i] += dp[i - 1] ;
- 当 s[i - 1] 与 s[i] 上的数结合后,在 [10, 26] 之间的时候: dp[i] += dp[i - 2] ;
如果上述两个判断都不成⽴,说明没有解码⽅法, dp[i] 就是默认值 0 。
- 初始化:
- ⽅法⼀(直接初始化):
由于可能要⽤到 i - 1 以及 i - 2 位置上的 dp 值,因此要先初始化「前两个位置」。
初始化 dp[0] :
- 当 s[0] == ‘0’ 时,没有编码⽅法,结果 dp[0] = 0 ;
- 当 s[0] != ‘0’ 时,能编码成功, dp[0] = 1
初始化 dp[1] :
- 当 s[1] 在 [1,9] 之间时,能单独编码,此时 dp[1] += dp[0] (原因同上,dp[1] 默认为 0 )
- 当 s[0] 与 s[1] 结合后的数在 [10, 26] 之间时,说明在前两个字符中,⼜有⼀种编码⽅式,此时 dp[1] += 1
- ⽅法⼆(添加辅助位置初始化):
可以在最前⾯加上⼀个辅助结点,帮助我们初始化。使⽤这种技巧要注意两个点:
- 辅助结点⾥⾯的值要保证后续填表是正确的;
- 下标的映射关系
- 填表顺序:
毫⽆疑问是「从左往右」
- 返回值:
应该返回 dp[n - 1] 的值,表⽰在 [0, n - 1] 区间上的编码⽅法。
🚩代码实现
class Solution { public int numDecodings(String ss) { // 1. 创建 dp 表 // 2. 初始化 // 3. 填表 // 4. 返回值 int n = ss.length(); char[] s = ss.toCharArray(); int[] dp = new int[n]; if(s[0] != '0') { dp[0] = 1; // 初始化第⼀个位置 } if(n == 1) { return dp[0]; // 处理边界情况 } // 初始化第⼆个位置 if(s[1] != '0' && s[0] != '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++) { // 先处理第⼀种情况 if(s[i] != '0') { dp[i] += dp[i - 1]; } // 处理第⼆种情况 int tt = (s[i - 1] - '0') * 10 + s[i] - '0'; if(tt >= 10 && tt <= 26) { dp[i] += dp[i - 2]; } } return dp[n - 1]; } }
代码优化如下:
class Solution { public int numDecodings(String ss) { // 1. 创建 dp 表 // 2. 初始化 // 3. 填表 // 4. 返回值 int n = ss.length(); char[] s = ss.toCharArray(); int[] dp = new int[n + 1]; dp[0] = 1; // 保证后续填表是正确的 if(s[1 - 1] != '0') dp[1] = 1; for(int i = 2; i <= n; i++) { // 先处理第⼀种情况 if(s[i - 1] != '0') { dp[i] += dp[i - 1]; } // 处理第⼆种情况 int tt = (s[i - 2] - '0') * 10 + s[i - 1] - '0'; if(tt >= 10 && tt <= 26) { dp[i] += dp[i - 2]; } } return dp[n]; } }
⭕总结
关于《【算法优选】 动态规划之斐波那契数列模型》就讲解到这儿,感谢大家的支持,欢迎各位留言交流以及批评指正,如果文章对您有帮助或者觉得作者写的还不错可以点一下关注,点赞,收藏支持一下!