爬楼梯问题：斐波那契数列的巧妙应用

爬楼梯问题是一个经典的动态规划问题。给定一个楼梯，总共有 n 阶台阶，每次可以爬 1 阶或 2 阶，要求计算有多少种不同的方法可以爬到楼顶。通过观察小规模的例子，可以发现爬楼梯的方法数遵循斐波那契数列的规律。

算法分析

要到达第 n 阶台阶，最后一步有两种选择：

1. 从第 n-1 阶爬 1 阶上来。
2. 从第 n-2 阶爬 2 阶上来。

因此，到达第 n 阶的总方法数是这两者的和：

f(n) = f(n-1) + f(n-2)

这与斐波那契数列的递推关系一致。初始条件为：

• f(1) = 1
• f(2) = 2

基于以上观察，可以使用动态规划的方法高效地计算出结果。

Java实现

public class Solution {
    public int climbStairs(int n) {
        if (n == 1) {
            return 1;
        }
        int a = 1, b = 2;
        for (int i = 3; i <= n; i++) {
            int temp = b;
            b = a + b;
            a = temp;
        }
        return b;
    }
}

代码解释

1. 初始条件处理：
   • 如果 n == 1，直接返回 1，因为只有一种方法爬到第 1 阶。
2. 变量初始化：
   • a 初始化为 f(1) = 1
   • b 初始化为 f(2) = 2
3. 循环计算：
   • 从 i = 3 到 i = n，计算 f(i) = f(i-1) + f(i-2)。
   • 使用临时变量 temp 来更新 a 和 b 的值，避免覆盖。
4. 返回结果：
   • 循环结束后，b 中存储的是 f(n) 的值，直接返回 b。

复杂度分析

• 时间复杂度：O(n)，因为需要进行 n - 2 次循环。
• 空间复杂度：O(1)，只使用了常数个额外空间（变量 a 和 b）。

这次设计依旧是速度取胜，内存消耗大。同时我们可以知道的是，完成算法问题，需要我们具有一定的数学知识。例如这次的爬楼梯问题，如果不知道斐波那契数列，那么我们可以会从其他方面进行算法设计，就可能会耗费更多的时间精力。