代码随想录day45内容 动态规划模块
“即使到不了远方,心中也要有远方的模样。”
力扣题目链接
这题用一般的动态规划思路也可以做,之前写过用一般动态规划思路做的,链接,这里用的是完全背包的思路,可以想想,如果每次可以走1,2,3…n步,然后再算有多少种方法可以走到楼顶,这就是完全背包的思路,但是这题只有1,2步的走法,也可以按照完全背包的思路来做。
按照动态规划的做题步骤来分析
1.确定dp数组以及下标的含义
dp[j]表示走到j位置时有dp[j]种方法
2. 确定递推公式
** 假设ament=5
根据下面得出递推公式dp[j]+=dp[j-nums[i]]**
3. dp数组的初始化问题
dp[0]=1
4.确定遍历顺序
双层都是从前往后的遍历
5.推导dp数组
跟之前的一样
代码实现
class Solution {public int climbStairs(int n) {int[] dp = new int[n+1];int nums[] = {1,2};dp[0]=1;for(int i=0;i<=n;i++){for(int j=0;jif(i>=nums[j]) dp[i]+=dp[i-nums[j]];}}return dp[n];}
}
力扣题目链接
这题思路跟之前的零钱兑换Ⅱ差不多
按照动态规划的做题步骤来分析
1.确定dp数组以及下标的含义
dp[j]表示凑成总金额为j的最小组合数
2. 确定递推公式
dp[j]由dp[j-coins[i]]得出,所以dp[j]=Math.min(dp[j],dp[j-coins[i]]+1)
3. dp数组的初始化问题
将dp数组中的所有数初始为max,除了dp[0]=0
4.确定遍历顺序
双层都是从前往后的遍历
5.推导dp数组
详细代码实现
class Solution {public int coinChange(int[] coins, int amount) {int[] dp = new int[amount+1];int max=Integer.MAX_VALUE;for(int k=0;k<=amount;k++){dp[k]=max;}dp[0]=0;for(int i=0;ifor(int j=coins[i];j<=amount;j++){if(dp[j-coins[i]]!=max){ dp[j]=Math.min(dp[j],dp[j-coins[i]]+1);}}}return dp[amount]==max?-1:dp[amount];}
}
力扣题目链接
这题比较不好想的就是递推公式,我们可以假设每个数n都是由一个数的平方加上另一个数得来的,例:n=ii+n’,然后n‘=jj+n”,由此推出,dp[j]就是由dp[j-i*i]+1得来的,综上dp[j]=Math.min(dp[j],dp[j]dp[j-i * i]+1)
按照动态规划的做题步骤来分析
1.确定dp数组以及下标的含义
dp[j]表示组成j的完全平方数的最少数量
2. 确定递推公式
根据下面得出递推公式dp[j]=Math.min(dp[j],dp[j]dp[j-i * i]+1)
3. dp数组的初始化问题
dp[0]=0,将dp中的所有数初始化为max
4.确定遍历顺序
双层都是从前往后的遍历
5.推导dp数组
代码实现
class Solution {public int numSquares(int n) {int[] dp=new int[n+1];int max=Integer.MAX_VALUE;for(int i=0;i<=n;i++){dp[i]=max;}dp[0]=0;for(int i=1;i<=n;i++){for(int j=i*i;j<=n;j++){if(dp[j-i*i]!=max){//上一个还是为max的话就不能推导到jdp[j]=Math.min(dp[j],dp[j-i*i]+1);}}}return dp[n];}
}