目录

什么是动态规划？

练习

练习1：斐波那契数

练习2：三步问题

练习3：使用最小花费爬楼梯

练习4：解码方法

---

什么是动态规划？

动态规划（Dynamic Programming，DP）：是一种常见的算法设计技巧，通常用于解决具有重叠子问题和最优子结构的问题。在动态规划中，将原问题分解成若干子问题，通过求解子问题的最优解来得到原问题的最优解。

如何用动态规划解决问题？

我们可以通过一下5步来解决动态规划问题

1. 确定状态表示

什么是状态表示？ 

状态表示：指在解决问题时所需要考虑和记录的关键信息。这些状态可以是问题的某种属性或特征，通过对这些状态的定义和记录，可以更好地理解问题的结构，从而设计出高效的动态规划算法。

在解决动态规划问题时，我们通常需要创建动态规划数组（dp），用于存储子问题的解，动态规划数组一般是一个 一维 或 二维 数组，而状态表示，可以理解为 dp表中值的含义 （即dp[i] 或 dp[i][j]的含义）

如何确定状态表示？

1. 从题目要求中确定

2. 根据题目要求 以及 经验 确定

3. 在分析问题的过程中，发现重复子问题，从而确定状态表示

在使用动态规划解决问题时，我们常见的状态表示有两种：

dp[i]：表示以i位置为结尾，...

dp[i]：表示以i位置为起始，...

2. 确定状态转移方程

什么是状态转移方程？ 

状态转移方程：确定状态之间的转移关系，即如何从一个状态推导出另一个状态。这是动态规划问题的核心，也是最难的一步，也就是需要确定 dp[i] 或 dp[i][j] = ?

如何确定状态转移方程？

 需要根据题目要求以及状态表示进行推导

3. 进行初始化

初始化：初始化动态规划数组或表格，通常需要设置起始状态的初始值，为后续的状态转移做准备。（例如：保证后续填表过程中不会发生越界）

4. 确定填表顺序

5. 确定返回值

接下来，我们通过动态规划来解决斐波那契相关练习，帮助我们进一步理解动态规划

练习

练习1：斐波那契数

题目链接：

LCR 126. 斐波那契数 - 力扣（LeetCode）

题目描述：

斐波那契数 （通常用 F(n) 表示）形成的序列称为 斐波那契数列 。该数列由 0 和 1 开始，后面的每一项数字都是前面两项数字的和。也就是：

F(0) = 0，F(1) = 1
F(n) = F(n - 1) + F(n - 2)，其中 n > 1

给定 n ，请计算 F(n) 。

答案需要取模 1e9+7(1000000007) ，如计算初始结果为：1000000008，请返回 1。

示例 1：

输入：n = 2
输出：1
解释：F(2) = F(1) + F(0) = 1 + 0 = 1

示例 2：

输入：n = 3
输出：2
解释：F(3) = F(2) + F(1) = 1 + 1 = 2

示例 3：

输入：n = 4
输出：3
解释：F(4) = F(3) + F(2) = 2 + 1 = 3

提示：

• 0 <= n <= 100

思路分析：

首先，我们来确定状态表示 ，即dp[i] 表示什么

这道题根据题目要求就可直接定义出状态表示：dp[i]：第i个斐波那契数

确定了状态表示后，我们来推导状态转移方程，即dp[i] = ?

题目中其实已经告诉了我们状态转移方程，即 F(n) = F(n - 1) + F(n - 2)

因此，状态转移方程为：

dp[i] = dp[i-1] + dp[i - 2]

接下来，我们对dp数组进行初始化：

从递推公式我们就可以看出：在i = 0 和 i = 1时是没办法进行推导的，因为dp[-2] 和 dp[-1] 不存在

因此，我们在进行填表之前，要先将 0，1位置的值进行初始化，题目中已经告诉我们dp[0] = 0，dp[1] = 1

填表顺序：从左到右依次填写 

返回值：要求出第n个斐波那契数，因此，返回值为dp[n] 

注意：题目要求答案需要取模 1e9+7(1000000007) ，不要忽略了这个条件

代码实现：

class Solution {
    public int fib(int n) {
        //处理特殊情况
        if(n == 0) return 0;
        //创建dp表
        int[] dp = new int[n+1];
        //初始化
        dp[0] = 0;
        dp[1] = 1;
        //填表
        for(int i = 2; i <= n; i++){
            dp[i] = (dp[i-1] + dp[i-2]) % 1000000007;
        }
        //返回结果
        return dp[n];
    }
}

优化：

在这道题中，我们可以使用滚动数组进行优化：

由于我们每次确定dp[i]时，只会涉及到三个变量：dp[i-2] dp[i-1] dp[i]，因此，每次求dp[i] 时只需要知道dp[i-1] 和 dp[i-2]的值就可以了，我们可以使用变量 a  b c来分别表示 dp[i-2] dp[i-1] dp[i]， c = a + b，这样我们仅需使用三个变量就可以遍历数组

在每次求出c的值后，更新a和b的值（注意先更新a的值（a = b），再更新b的值（b = c）） 使其向后移动，从而确定下一个结果

优化代码：

class Solution {
    public int fib(int n) {
        //处理特殊情况
        if(n == 0) return 0;
        //优化
        int a = 0, b = 1, c = 1;
        for(int i = 2; i <= n; i++){
            c = (a + b) % 1000000007;
            //更新a和b
            a = b;
            b = c;
        }
        //返回结果
        return c;
    }
}

练习2：三步问题

题目链接：

面试题 08.01. 三步问题 - 力扣（LeetCode）

题目描述：

三步问题。有个小孩正在上楼梯，楼梯有n阶台阶，小孩一次可以上1阶、2阶或3阶。实现一种方法，计算小孩有多少种上楼梯的方式。结果可能很大，你需要对结果模1000000007。

示例1:

 输入：n = 3 
 输出：4
 说明: 有四种走法

示例2:

 输入：n = 5
 输出：13

提示:

1. n范围在[1, 1000000]之间

思路分析：

 小孩每次可以上1阶、2阶或3阶台阶，我们首先来模拟小孩上台阶的过程：

状态表示：

我们以 i 位置为结尾进行分析：

那么在这道题中，以i位置为结尾，则可表示为小孩到达第i阶台阶，

而dp[i]则可表示：小孩到达第i阶台阶时，一共有dp[i]种上楼方式

状态转移方程：

由于小孩一次可以上1阶、2阶或3阶台阶，因此，小孩可以从 第 i-3 或 i-2 或 i-1位置到达第i阶台阶

由于dp[i]： 小孩到达第i阶台阶时，一共有dp[i]种上楼方式，因此，

dp[i-1]： 小孩到达第 i - 1阶台阶时，一共有dp[i - 1]种上楼方式，则从i-1位置到达i位置有dp[i-1]种上楼方式

同理，从i-2位置到达i位置有dp[i-2]种上楼方式，从i-3位置到达i位置有dp[i-3]种上楼方式

因此，dp[i] = dp[i-1] + dp[i-2] + dp[i-3]

初始化：

由于dp[i] = dp[i-1] + dp[i-2] + dp[i-3]，因此，在i = 0, i = 1 以及 i = 2时是没办法进行推导的，

因此我们需要在填表之前，对0，1，2位置的值进行初始化，

由于至少上一阶台阶，因此，我们选择从1位置开始初始化，根据分析：dp[1] = 1, dp[2] = 2, dp[3] = 4

填表顺序：

i位置的值是由 i-1、i-2和 i-3位置的值得到的，因此填表顺序为从左向右

返回值：

要求上到第n阶台阶的方式，因此我们返回dp[n]

注意：由于本题计算的结果可能很多，需要对结果进行取模，在计算时，将三个值先加起来再进行取模（(dp[i-1] + dp[i-2]+ dp[i-3]) % 1000000007）是不可取的（会报错），因此我们每计算一次（每两个数相加），就进行一次取模

代码实现：

class Solution {
    public int waysToStep(int n) {
        //处理特殊情况
        if(n == 1 || n == 2) return n;
        //创建dp表
        int[] dp = new int[n+1];
        //初始化
        dp[1] = 1;
        dp[2] = 2;
        dp[3] = 4;
        //填表
        for(int i = 4; i <= n; i++){
            dp[i] = ((dp[i-1] + dp[i-2]) % 1000000007 + dp[i-3]) % 1000000007;
        }
        //返回
        return dp[n];
    }
}

与练习1相同，由于dp[i] = dp[i-1] + dp[i-2] + dp[i-3]，因此，本题也可以使用滚动数组进行优化：

class Solution {
    public int waysToStep(int n) {
        //处理特殊情况
        if(n == 1 || n == 2) return n;
        if(n == 3) return 4;
        //创建dp表
        //初始化
        int a = 1, b = 2, c = 4, d = 0;
        //填表
        for(int i = 4; i <= n; i++){
            d = ((a + b) % 1000000007 + c) % 1000000007;
            a = b;
            b = c;
            c = d;
        }
        //返回
        return d;
    }
}

练习3：使用最小花费爬楼梯

题目链接：

746. 使用最小花费爬楼梯 - 力扣（LeetCode）

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 。

提示：

• 2 <= cost.length <= 1000
• 0 <= cost[i] <= 999

思路分析：

 可以从0或者1位置开始爬楼梯，当爬到i位置时，需要支付cost[i]继续向上爬楼梯，可以爬到 i + 1 或 i + 2位置，最终求爬到顶楼的最小花费（注意：顶楼在 cost.length 位置，而不是 cost.length - 1位置）

状态表示：

我们以 i 位置为结尾进行分析：

那么在这道题中，以i位置为结尾，则可表示到达第i阶台阶，

而dp[i]则可表示：到达第i阶台阶时的最小花费

状态转移方程：

由于一次只能向上爬一个或两个台阶，因此，只能从i - 2位置 或 i - 1位置到达i位置

由于dp[i]： 到达第i阶台阶时的最小花费，因此，

dp[i-1]： 到达第 i - 1阶台阶时，最小花费为dp[i-1]，则从i-1位置到达i位置的最小花费为 dp[i-1] + cost[i-1]

同理，从i-2位置到达i位置时最小花费为dp[i-2]，则从 i-2 位置到达i位置的最小花费为 dp[i-2] + cost[i-2]

要求到达第i阶台阶时的最小花费，则dp[i] = min(dp[i-1] + cost[i-1], dp[i-2] + cost[i-2])

初始化：

可以从0位置或1位置开始向上爬，因此dp[0] = dp[1] = 0

填表顺序：由于dp[i] = min(dp[i-1] + cost[i-1], dp[i-2] + cost[i-2])，填表顺序为从左向右

返回值：要求到达顶楼（cost.length）的最小花费，因此返回dp[cost.length]

代码实现：

class Solution {
    public int minCostClimbingStairs(int[] cost) {
       int n = cost.length;
       //创建dp表
       int[] dp = new int[n + 1];
       //填表
       for(int i = 2; i <= n; i++){
            dp[i] = Math.min(dp[i-1] + cost[i-1], dp[i-2] + cost[i-2]);
       }
       //返回
       return dp[n];
    }
}

练习4：解码方法

题目链接：

91. 解码方法 - 力扣（LeetCode）

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）。

提示：

• 1 <= s.length <= 100
• s 只包含数字，并且可能包含前导零。

思路分析：

对给定的数字字符串进行解码，1-26分别对应A-Z，且在解码时不能出现前导0（如05）

状态表示：

我们以 i 位置为结尾进行分析：

那么在这道题中，以i位置为结尾，则dp[i]则可表示：0 到 i 位置一共有dp[i]种解码方法

状态转移方程：

由于1 - 26 分别对应 A - Z，则一个字母只可能由一个字符或两个字符进行解码得到，因此，以i位置为结尾进行解码时，最后一个字母只可能由当前字母（s[i]）或当前字母和前一个字母（s[i] 和 是[i-1]）进行解码得到

由于dp[i]： 0 到 i 位置一共有dp[i]种解码方法，因此，

dp[i-1]： 0 到 i 位置一共有dp[i]种解码方法，若s[i]能够解码，则以i位置为结尾的字符串共有 dp[i-1]种解码方法，若s[i]不能解码，则解码方法为0

同理，dp[i-2]表示以 i - 2为结尾的字符串一共有dp[i-2]种解码方法，若s[i]和s[i-1]位置组成的数字能够解码，则以i位置为结尾的字符串共有 dp[i-2]种解码方法，否之，则解码方法为0

因此，

若s[i]解码成功（s[i] >= '1' && s[i] <= '9'），则dp[i] += dp[i-1]，否之，dp[i] += 0

若s[i]和s[i-1]位置组成的数字解码成功，则 dp[i] += dp[i-2]，否之，dp[i] += 0

在判断s[i]和s[i-1]位置组成的数字是否解码成功时，我们可以先将其转换为数字 n = (s[i-1] - '0') * 10 + (s[i] - '0')，由于不能出现前导0，因此，若结果在 10 - 26区间内，则解码成功，反之，则失败

初始化：

由于在确定i位置的值时需要 i - 1 和 i - 2位置上的值，因此，我们要先初始化i = 0和 i = 1位置上的值：

dp[0]：若 s[0] >= '1' && s[0] <= '9'，则dp[0] = 1，反之，dp[0] = 1

dp[1]：s[1] >= '1' && s[1] <= '9'，dp[1] += dp[0]，反之，dp[1] += 0

s[0] 和 s[1]结合后数字在[10, 26]区间内，则dp[1] += 1，反之，dp[1] += 0

我们可以发现：前两个位置的初始化方式与填写后续i位置时十分相似，都需要判断字符是否能够

正确解码，因此，我们可以在最前面添加一个辅助节点，来帮助我们进行初始化：

在本题中，添加辅助节点后，就只需要初始化dp[1]，若 s[1] >= '1' && s[1] <= '9'，则dp[1] += dp[0]

在添加辅助节点时需要注意：

1. 辅助节点里的值要保证后续填表过程中不出错

2. 下标的映射关系

添加辅助节点后dp表与s的映射关系变为了 dp[i] - s[i-1]，因此，我们在编写代码时要注意

当s[0]解码正确时，dp[1] += dp[0]，因此，dp[0]应初始化为 1

填表顺序：从左往右

返回值：dp[n]

代码实现：

class Solution {
    public int numDecodings(String ss) {
        char[] s = ss.toCharArray();
        int n = s.length;
       //创建dp表
       int[] dp = new int[n+1];
       //初始化
       dp[0] = 1;//保证后续填表正确
       if(s[0] > '0' && s[0] <= '9') dp[1] += dp[0];
       //填表
       for(int i = 2; i <= n; i++){
            int num = s[i-1] - '0';//注意下标的映射关系
            if(num > 0 && num <= 9) dp[i] += dp[i-1];
            num = (s[i-2] - '0') * 10 + s[i-1] - '0';
            if(num >= 10 && num <= 26) dp[i] += dp[i-2];
       }
       //返回
       return dp[n];
    }
}