理论基础

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。

代码随想录

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

509.斐波那契数

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。

代码随想录

视频：手把手带你入门动态规划 | LeetCode：509.斐波那契数_哔哩哔哩_bilibili

Python:

太经典了。

class Solution:def fib(self, n: int) -> int:a = 0b = 1for _ in range(n):a, b = b, a+breturn 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<n; 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。

代码随想录

视频：带你学透动态规划-爬楼梯（对应力扣70.爬楼梯）| 动态规划经典入门题目_哔哩哔哩_bilibili

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 na, b = 1, 2for _ in range(2, n+1):a, b = b, a+breturn 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<n; 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

代码随想录

视频讲解：动态规划开更了！| LeetCode：746. 使用最小花费爬楼梯_哔哩哔哩_bilibili

Python:

class Solution:def minCostClimbingStairs(self, cost: List[int]) -> int:cost.append(0)a = b = 0for c in cost:if a>b:a, b = b, b+celse:a, b = b, a+creturn b

C++：

class Solution {public:int minCostClimbingStairs(vector& 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;}};