小李飞刀：做题第九弹！

写在前面的话

感觉做题越多遇到的写法越多，有种跃跃欲试的感觉~

认真做题

第一题

70. 爬楼梯

难度：简单

假设你正在爬楼梯。需要 n 阶你才能到达楼顶。

每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢？

注意：给定 n 是一个正整数。

我的题解：

class Solution(object):
    def climbStairs(self, n):
        """
        :type n: int
        :rtype: int
        """
        old = 1
        new = 1
        for i in range(2,n+1):
            old,new = new,new+old
        return newv

我的思路：

这题是一个标准的 动态规划 的题目，第二步所需要的步数其实是基于第一步，第三步则基于第二步。

用笔计算就可以看出，有一定的规律，新的一步的最优解等于前面一步的最优解+之前所有步数的最优解。

不过可能还没有抓到动态规划的真谛，总觉得哪里需要再校正下思路。

第二题

771. 宝石与石头

难度：简单

给定字符串 J 代表石头中宝石的类型，和字符串 S 代表你拥有的石头。 S 中每个字符代表了一种你拥有的石头的类型，你想知道你拥有的石头中有多少是宝石。

J 中的字母不重复， J 和 S 中的所有字符都是字母。字母区分大小写，因此"a"和"A"是不同类型的石头。

我的题解：

class Solution(object):
    def numJewelsInStones(self, J, S):
        """
        :type J: str
        :type S: str
        :rtype: int
        """
        num = 0
        if not J or not S:
            return 0
        map = {}
        for i in J:
            map[i] = 1
        for j in S:
            if j in map:
                num += map[j]
        return num

我的思路：

这题用了 hash表 的思路，将 J 里的每个字母单独存成哈希表的一个键，且对应的值为1。

这样当 S 进行搜索的时候，对应将值相加即可得到结果。

第三题

709. 转换成小写字母

难度：简单

实现函数 ToLowerCase()，该函数接收一个字符串参数 str，并将该字符串中的大写字母转换成小写字母，之后返回新的字符串。

我的题解：

class Solution(object):
    def toLowerCase(self, str):
        """
        :type str: str
        :rtype: str
        """
        s = list(str)
        map = {'A':'a','B':'b','C':'c','D':'d','E':'e','F':'f','G':'g','H':'h','I':'i','J':'j','K':'k','L':'l','M':'m','N':'n','O':'o','P':'p','Q':'q','R':'r','S':'s','T':'t','U':'u','V':'v','W':'w','X':'x','Y':'y','Z':'z'}
        for i in range(len(s)):
            if s[i] in map:
                s[i] = map[s[i]]
        s1=''.join(s)
        return s1

我的思路：

这题....大概写法非常土了....emmm

认真的写了个字典，然后对应的写一下，效率也还可以，但是只能用于数量少的情况下，还可以看下有没有其他的写法。

第四题

62. 不同路径

难度：中等

我的题解：

class Solution(object):
    def uniquePaths(self, m, n):
        """
        :type m: int
        :type n: int
        :rtype: int
        """
        dp = [[0 for _ in range(m)] for _ in range(n)] #建立二维数组
        for i in range(n):
            for j in range(m):
                if i ==0 or j ==0:
                    dp[i][j] = 1
                else:
                    dp[i][j] = dp[i-1][j] + dp[i][j-1]
        return dp[n-1][m-1]

我的思路：

非常粗暴的画了网格图，然后发现了规律，

dp[i][j] = dp[i-1][j] + dp[i][j-1] ,

和少棉在讨论的时候，非常真挚的为了为什么他知道需要是左边的值加上上方的值，

给的说法是 最优解的目标就是从左上角到该位置的最优解 ，局部最优再到全局最优。

这题也是 动态规划 的题目，目标总是要分解为子问题。

总结

看《算法图解》的时候，涉及动态规划的小结中有这样的

• 每种动态规划解决方案都涉及网格。
• 单元格中的值通常就是你要优化的值
• 每个单元格都是一个子问题，因为你需要考虑如何将问题分解为子问题。