以下来源：力扣（LeetCode）
链接：https://leetcode.cn/problems/min-cost-climbing-stairs

746 使用最小花费爬楼梯
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。

代码：

class Solution:def minCostClimbingStairs(self, cost: List[int]) -> int:#dp[i]表示到第i阶梯所需花费的最低消费#递推公式：dpi=min([dp[i-1],dp[i-2]])+cost[i]#初始值 dp0=cost[0] dp1=cost[1]#遍历顺序 从前往后#打印数组dp0=cost[0]dp1=cost[1]if len(cost)==1:return 0for i in range(2,len(cost)):dp=min(dp0,dp1)+cost[i]dp0=dp1dp1=dpreturn min(dp0,dp1)

62 不同路径
一个机器人位于一个 m x n 网格的左上角 （起始点在下图中标记为 “Start” ）。

机器人每次只能向下或者向右移动一步。机器人试图达到网格的右下角（在下图中标记为 “Finish” ）。
问总共有多少条不同的路径？

代码：

class Solution:def uniquePaths(self, m: int, n: int) -> int:#dp[i][j]表示到达(i,j)格的不同路径数量#递推关系 dp[i][j]=dp[i-1][j]+dp[i][j-1]#初始值的for i in range(0,m): dp[i][0]=1#for j in range(0,n): dp[0][j]=1#遍历数组 for i in range(1,m):#          for j in range(1,n):dp=[[0]*n for i in range(0,m)]if m==1 and n==1:return 1for i in range(0,m):dp[i][0]=1for j in range(0,n):dp[0][j]=1for i in range(1,m):for j in range(1,n):dp[i][j]=dp[i-1][j]+dp[i][j-1]return dp[m-1][n-1]

63 不同路径II

class Solution:def uniquePathsWithObstacles(self, obstacleGrid: List[List[int]]) -> int:# dp[i][j] 表示达到（i，j)的路径数量#递推关系 dp[i][j] =dp[i-1][j]+dp[i][j-1]#初始化： for i in range(0,len(obstacleGrid)): 在遇到障碍之后的dp[i][0]=0#初始化： for i in range(0,len(obstacleGrid[0])): 在遇到障碍之后的dp[0][i]=0#遍历 两个for循环#打印m=len(obstacleGrid[0])n=len(obstacleGrid)dp=[[0]*m for i in range(n)]for i in range(m):if obstacleGrid[0][i]!=0:breakdp[0][i]=1for i in range(n):if obstacleGrid[i][0]!=0:breakdp[i][0]=1for i in range(1,n):for j in range(1,m):#好像只需要判断obstacleGrid[i][j]==1:continue 即可if obstacleGrid[i-1][j]!=1 and obstacleGrid[i][j-1]!=1:dp[i][j] =dp[i-1][j]+dp[i][j-1]elif obstacleGrid[i-1][j]==1 and obstacleGrid[i][j-1]!=1:dp[i][j] =dp[i][j-1]elif obstacleGrid[i-1][j]!=1 and obstacleGrid[i][j-1]==1:dp[i][j] =dp[i-1][j]else:dp[i][j]=0if obstacleGrid[n-1][m-1]!=1:return dp[n-1][m-1]else:return 0

343 整数拆分
给定一个正整数 n ，将其拆分为 k 个 正整数 的和（ k >= 2 ），并使这些整数的乘积最大化。

返回 你可以获得的最大乘积 。

代码
今日组会，明日继续