代码随想录算法训练营第四十一天| 509. 斐波那契数 、70. 爬楼梯 、746. 使用最小花费爬楼梯

509. 斐波那契数

题目链接:509. 斐波那契数

文档讲解:代码随想录/斐波那契数

视频讲解:视频讲解-斐波那契数

状态:已完成(1遍)

解题过程 

看到题目的第一想法

虽然看了卡哥的动态规划五部曲,但是看到题目之后还是不太会操作索性不要有自己多余的思考了,直接看视频讲解。

看完代码随想录之后的想法 

用动态规划五部曲:

  1. 确定dp数组以及下标的含义:dp[i]的定义为:第i个数的斐波那契数值是dp[i]
  2. 确定递推公式dp[i] = dp[i - 1] + dp[i - 2];
  3. dp数组如何初始化:dp[0] = 0 、dp[1] = 1;
  4. 确定遍历顺序:从递归公式dp[i] = dp[i - 1] + dp[i - 2];中可以看出,dp[i]是依赖 dp[i - 1] 和 dp[i - 2],那么遍历的顺序一定是从前到后遍历的;
  5. 举例推导dp数组

    按照这个递推公式dp[i] = dp[i - 1] + dp[i - 2],我们来推导一下,当N为10的时候,dp数组应该是如下的数列:0 1 1 2 3 5 8 13 21 34 55。

看了讲解手搓代码如下:

/*** @param {number} n* @return {number}*/
var fib = function(n) {let dp = [];dp[0] = 0,dp[1] = 1;for(let i = 2;i<=n;i++){dp[i] = dp[i-1] + dp[i-2];}return dp[n];
};

总结

这道题作为动态规划之所以简单,是因为递推公式、初始化、遍历顺序都已经由题目确定。


 70. 爬楼梯 

题目链接:70. 爬楼梯

文档讲解:代码随想录/爬楼梯 

视频讲解:视频讲解-爬楼梯 

状态:已完成(1遍)

解题过程  

看到题目的第一想法

用动态规划五部曲:

  1. 确定dp数组以及下标的含义:dp[i]的定义为:到第i层阶梯有dp[i]种方式能够来到;
  2. 确定递推公式dp[i] = dp[i - 1] + dp[i - 2];
  3. dp数组如何初始化:dp[0] = 1 、dp[1] = 1、dp[2] = 2;
  4. 确定遍历顺序:从递归公式dp[i] = dp[i - 1] + dp[i - 2];中可以看出,dp[i]是依赖 dp[i - 1] 和 dp[i - 2],那么遍历的顺序一定是从前到后遍历的;
  5. 举例推导dp数组

    按照这个递推公式dp[i] = dp[i - 1] + dp[i - 2],我们来推导一下,dp数组应该是如下的数列: 1 1 2 3 5  8 13 21 34 55。

手搓代码如下:

/*** @param {number} n* @return {number}*/
var climbStairs = function(n) {let dp = [1,1];for(let i =2;i<=n;i++){dp[i] = dp[i-1] + dp[i-2];}return dp[n];
};

提交成功!

 看完代码随想录之后的想法 

严格遵守对dp[i]的描述,直接没有i=0的时候。

讲解代码如下:

/*** @param {number} n* @return {number}*/
var climbStairs = function(n) {// dp[i] 为第 i 阶楼梯有多少种方法爬到楼顶// dp[i] = dp[i - 1] + dp[i - 2]let dp = [1 , 2]for(let i = 2; i < n; i++) {dp[i] = dp[i - 1] + dp[i - 2]}return dp[n - 1]
};

总结

一开始我就往动态规划的思路上靠,感觉既然只有两种行走方式,那到dp[i]级阶梯的方式肯定就是他的下一级dp[i-1]和下两级dp[i-2],所以到这级阶梯的方式就是到下两级阶梯方式的和。


746. 使用最小花费爬楼梯

题目链接:746. 使用最小花费爬楼梯

文档讲解:代码随想录/使用最小花费爬楼梯

视频讲解:视频讲解-使用最小花费爬楼梯

状态:已完成(1遍)

解题过程  

看到题目的第一想法

用动态规划五部曲:

  1. 确定dp数组以及下标的含义:dp[i]的定义为:从第i层阶梯出发的最小花费dp[i]元;
  2. 确定递推公式dp[i] = dp[i - 1] 和 dp[i - 2] 的最小值 + cost[i];
  3. dp数组如何初始化:dp[0] = cost[0] 、dp[1] =cost[1] ;
  4. 确定遍历顺序:从递归公式中可以看出,dp[i]是依赖 dp[i - 1] 和 dp[i - 2],那么遍历的顺序一定是从前到后遍历的;
  5. 举例推导dp数组

    按照这个递推公式我们来推导一下,dp数组应该是如下的数列: 10 15 30  。

手搓代码如下:

/*** @param {number[]} cost* @return {number}*/
var minCostClimbingStairs = function(cost) {let dp = [cost[0],cost[1]];for(let i =2;i<cost.length;i++){dp[i] = Math.min(dp[i - 1],dp[i - 2]) + cost[i];}return Math.min(dp[cost.length-1],dp[cost.length-2]);
};

提交成功,没有问题。 我在求最后一级阶梯的时候就不用走for循环里了,直接比较从前两节阶梯哪个出发更便宜。

 看完代码随想录之后的想法 

卡尔哥用dp[i]表示到达第i节阶梯的最便宜花费,确实省事一点。

讲解代码如下:

/*** @param {number[]} cost* @return {number}*/
var minCostClimbingStairs = function(cost) {const dp = [0, 0]for (let i = 2; i <= cost.length; ++i) {dp[i] = Math.min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2])}return dp[cost.length]
};

总结

今天的三道题还算简单,希望明后天可以撑住。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/pingmian/17032.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

编译原理 期末复习笔记整理(上)

资料借鉴&#xff1a; 【编译原理】期末复习 零基础自学_哔哩哔哩_bilibili 编译原理笔记 第一章 引论 1.编译原理逻辑过程&#xff1a; 词法分析 语法分析 语义分析 中间代码生成 编译代码生成 2.词法分析 任务: 输入源程序&#xff0c;对…

解决 fatal: Not a git repository (or any of the parent directories): .git 问题

解决方法&#xff1a;在命令行 输入 git init 然后回车就好了

人机协同中的可解释性与不可解释性

在人机协同中&#xff0c;实现可解释性与不可解释性&#xff08;可接受的&#xff09;的恰当结合是一种最佳途径。这意味着在某些情况下&#xff0c;人工智能系统的决策和输出可能无法完全解释或理解&#xff0c;但仍然是可接受的&#xff0c;因为它们在特定的情境下是有效的和…

全面解析Java.lang.ClassCastException异常

全面解析Java.lang.ClassCastException异常 全面解析Java.lang.ClassCastException异常&#xff1a;解决方案与最佳实践 &#x1f680;&#x1f4da;摘要引言1. 什么是Java.lang.ClassCastException&#xff1f;代码示例 2. 报错原因2.1 类型不兼容2.2 泛型类型擦除2.3 接口和实…

02 FreeRTOS 任务

1、创建任务函数 1.1 动态内存的使用 在之前我们如果要创建一个与学生有关的任务&#xff0c;我们会定义&#xff1a; //打印50个学生的信息 char name[50][100]; int age[50]; int sex[50]; //1表示男&#xff0c;0表示女 int score[50]; 如果之后要对其进行修改会非常麻烦&…

使用稀疏约束水平集算法对MR图像中的脑肿瘤进行分割| 文献速递-深度学习肿瘤自动分割

Title 题目 Brain tumor segmentation in MR images using a sparse constrained level set algorithm 使用稀疏约束水平集算法对MR图像中的脑肿瘤进行分割" 01 文献速递介绍 脑磁共振&#xff08;MR&#xff09;成像是成像患者脑结构的主要方法&#xff0c;从MR图像…

最后7天,高考翻盘秘籍等你开启!

高考&#xff0c;这场关乎未来的考试&#xff0c;对于每一个学生来说都是一次严峻的挑战。随着倒计时的进行&#xff0c;无数考生和家长的焦虑和期待达到了顶点。在这个最后7天的关键时期&#xff0c;我们为即将参加高考的学生及其家长提供一份复习秘籍&#xff0c;帮助你们抓住…

rfid资产管理系统如何帮助医院管理耗材的

RFID资产管理系统可以帮助医院管理耗材&#xff0c;提高耗材管理的效率和准确性。以下是它可以发挥作用的几个方面&#xff1a; 1. 实时跟踪和定位&#xff1a;使用RFID标签附加在耗材上&#xff0c;可以实时跟踪和定位耗材的位置。医院可以通过系统查询耗材的实时位置&#xf…

03JAVA基础(方法/类/封装(构造方法))

目录 1.方法 1.1 方法的定义 1.2 方法的重载 2.类和对象 3.封装 1. private关键字 2. this关键字 3. 封装 4. 构造方法 1.方法 含义: 将具有独立功能的代码块组织成一个整体,具有特殊功能的代码集 注意: 方法必须先创建才可以使用,需要手动调用执行 1.1 方法的定义 格…

微服务八股-分布式事务-注册中心-服务保护

一、分布式事务 1.CAP和BASE 三者不能同时存在。 CP&#xff1a;由于网络分片的存在&#xff0c;如果要保证强一致性就不能写&#xff0c;此时不满足可用性 AP&#xff1a;由于网络分片的存在&#xff0c;如果要保证可用性&#xff0c;能读也能写&#xff0c;就不能保证强一致…

软件测试面试题(七)

一&#xff1a;测试执行过程的三个阶段 《&#xff11;》初测期 测试主要功能和关键的执行路径&#xff0c;排除主要障碍 《&#xff12;》细测期 依据测试计划和测试大纲、测试用例&#xff0c;逐一测试大大小小的功能、方方面面的特性、性能、用户界面、兼容性、可用性等等&a…

Nginx R31 doc-14-Dynamic Denylisting of IP Addresses 动态拒绝IP地址

前言 大家好&#xff0c;我是老马。很高兴遇到你。 我们为 java 开发者实现了 java 版本的 nginx https://github.com/houbb/nginx4j 如果你想知道 servlet 如何处理的&#xff0c;可以参考我的另一个项目&#xff1a; 手写从零实现简易版 tomcat minicat 手写 nginx 系列 …

【讲解下Web前端三大主流的框架】

&#x1f3a5;博主&#xff1a;程序员不想YY啊 &#x1f4ab;CSDN优质创作者&#xff0c;CSDN实力新星&#xff0c;CSDN博客专家 &#x1f917;点赞&#x1f388;收藏⭐再看&#x1f4ab;养成习惯 ✨希望本文对您有所裨益&#xff0c;如有不足之处&#xff0c;欢迎在评论区提出…

Vue3 的 setup 生命周期函数中为什么不能使用 this ?

Vue3 的 setup 生命周期函数中为什么不能使用 this &#xff1f; 官方解释&#xff1a;在 setup() 内部&#xff0c;this 不会是该活跃实例的引用&#xff0c;因为 setup() 是在解析其它组件选项之前被调用的&#xff0c;所以 setup() 内部的 this 的行为与其它选项中的 this 完…

infoq 读书笔记-Resilience in Deep Systems

1.Service granularity Don’t go with the hype; correspond to a real business capability. When designing complex applications using microservice architecture,we’re looking to define a set of cohesive and loosely-coupled services. we found that defining mi…

【OpenHarmony V4.1.1 源码解析 - 000】文章链接汇总

【OpenHarmony V4.1.1 源码解析 - 000】文章链接汇总 Release Note 链接&#xff1a; 《OpenHarmony-v4.1.1-release.md》 《Release-Note》源码下载链接&#xff1a; 《OpenHarmony-v4.1.1-Release.tar.gz》编译环境配置&#xff1a; 《Docker编译环境》

Java项目:基于SSM框架实现的学生就业管理系统分前后台(ssm+B/S架构+源码+数据库+毕业论文+开题报告)

一、项目简介 本项目是一套基于SSM框架实现的学生就业管理系统 包含&#xff1a;项目源码、数据库脚本等&#xff0c;该项目附带全部源码可作为毕设使用。 项目都经过严格调试&#xff0c;eclipse或者idea 确保可以运行&#xff01; 该系统功能完善、界面美观、操作简单、功能…

pytorch文本分类(四)模型框架(模型训练与验证)

关卡四 模型训练与验证 本文是在原本闯关训练的基础上总结得来&#xff0c;加入了自己的理解以及疑问解答&#xff08;by GPT4&#xff09; 原任务链接 目录 关卡四 模型训练与验证1. 训练1.1 构建模型结构1.2 模型编译1.3 模型训练1.4模型超参数调试 2. 推理2.1 模型准确性…

束测后台实操文档1-PVE、PBS

合肥先进光源束测系统后台基础架构初步设计报告 合肥先进光源束测系统后台搭建进展2024.4.29 关于后台基础架构&#xff0c;写了上面两篇文档&#xff0c;只是框架的印象&#xff0c;没涉及到具体的实操&#xff0c;后面针对具体的搭建慢慢的完善操作的细节&#xff0c;从今年…

基于STM32实现智能园艺系统

目录 引言环境准备智能园艺系统基础代码示例&#xff1a;实现智能园艺系统 土壤湿度传感器数据读取水泵控制温湿度传感器数据读取显示系统用户输入和设置应用场景&#xff1a;智能农业与家庭园艺问题解决方案与优化收尾与总结 1. 引言 本教程将详细介绍如何在STM32嵌入式系统…