无论大家之前对动态规划学到什么程度,一定要先看 我讲的 动态规划理论基础。
如果没做过动态规划的题目,看我讲的理论基础,会有感觉 是不是简单题想复杂了?
其实并没有,我讲的理论基础内容,在动规章节所有题目都有运用,所以很重要!
如果做过动态规划题目的录友,看我的理论基础 就会感同身受了。
视频:从此再也不怕动态规划了,动态规划解题方法论大曝光 !| 理论基础 |力扣刷题总结| 动态规划入门_哔哩哔哩_bilibili
很简单的动规入门题,但简单题使用来掌握方法论的,还是要有动规五部曲来分析。
Python:
太经典了。
- class Solution:
- def fib(self, n: int) -> int:
- a = 0
- b = 1
- for _ in range(n):
- a, b = b, a+b
- return a
C++:
cpp没有python同时赋值的操作,注意一下语法实现。
- class Solution {
- public:
- int fib(int n) {
- int a = 0;
- int b = 1;
- int tmp;
- for (int i=0; i
- tmp = b;
- b = a+b;
- a = tmp;
- }
- return a;
- }
- };
70. 爬楼梯
本题大家先自己想一想, 之后会发现,和 斐波那契数 有点关系。
Python:
和斐波那契思路基本一致,递归是会超时的,注意内存和时间的优化,O(n)最优。
- class Solution:
- def climbStairs(self, n: int) -> int:
- if n<=2: return n
- a, b = 1, 2
- for _ in range(2, n+1):
- a, b = b, a+b
- return a
C++:
return b可以保证在n=45时不溢出,return a在n=45时会溢出。
- class Solution {
- public:
- int climbStairs(int n) {
- if (n<=2) return n;
- int a = 1;
- int b = 2;
- for (int i=2; i
- int tmp = a+b;
- a = b;
- b = tmp;
- }
- return b;
- }
- };
746. 使用最小花费爬楼梯
这道题目力扣改了题目描述了,现在的题目描述清晰很多,相当于明确说 第一步是不用花费的。
更改题目描述之后,相当于是 文章中 「拓展」的解法
Python:
- class Solution:
- def minCostClimbingStairs(self, cost: List[int]) -> int:
- cost.append(0)
- a = b = 0
- for c in cost:
- if a>b:
- a, b = b, b+c
- else:
- a, b = b, a+c
- return b
C++:
- class Solution {
- public:
- int minCostClimbingStairs(vector<int>& cost) {
- int a = 0;
- int b = 0;
- int tmp;
- cost.push_back(0);
- for (int c:cost) {
- tmp = b;
- if (a>b) {
- b += c;
- } else {
- b = a+c;
- }
- a = tmp;
- }
- return b;
- }
- };