爬楼梯
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?
实例1
输入:n = 2
输出:2
解释:有两种方法可以爬到楼顶。
- 1 阶 + 1 阶
- 2 阶
实例2
输入:n = 3
输出:3
解释:有三种方法可以爬到楼顶。
- 1 阶 + 1 阶 + 1 阶
- 1 阶 + 2 阶
- 2 阶 + 1 阶
提示
1 <= n <= 45
题解:
递归方法基于这样一个事实:到达第 i 阶楼梯的方法数是到达第 i-1 阶和第 i-2 阶楼梯的方法数之和。这是因为,要到达第 i 阶,你最后一步要么是从第 i-1 阶上来的,要么是从第 i-2 阶上来的。
- 解题思路
LeetCode 上的 “爬楼梯” 问题是一个经典的动态规划问题,通常有两种解法:递归和动态规划。
1.递归方法
递归方法基于这样一个事实:到达第 i 阶楼梯的方法数是到达第 i-1 阶和第 i-2 阶楼梯的方法数之和。这是因为,要到达第 i 阶,你最后一步要么是从第 i-1 阶上来的,要么是从第 i-2 阶上来的。
递归的伪代码如下:
function climbStairs(n):
if n == 1:return 1
if n == 2:return 2
return climbStairs(n - 1) + climbStairs(n - 2)
2,动态规划方法
动态规划方法是对递归方法的优化,避免了重复计算相同的子问题。我们使用一个数组 dp 来存储到达每一阶楼梯的方法数,其中 dp[i] 表示到达第 i 阶的方法数。
动态规划的伪代码如下:
function climbStairs(n):
if n == 1:return 1
dp = new int[n + 1]
dp[1] = 1
dp[2] = 2
for i from 3 to n:
dp[i] = dp[i - 1] + dp[i - 2]
return dp[n]
3.空间优化的动态规划
由于 dp[i] 只依赖于 dp[i - 1] 和 dp[i - 2],我们不需要存储整个数组,只需要两个变量来存储这两个状态即可,从而将空间复杂度降低到 O(1)。
空间优化的动态规划伪代码如下:
function climbStairs(n):
if n == 1:return 1
a, b = 1, 2
for i from 3 to n:
temp = a + b
a = b
b = temp
return b
4.总结
递归方法直观但效率低,因为它有很多重复计算。
动态规划方法通过存储中间结果避免了重复计算,提高了效率。
空间优化的动态规划进一步减少了空间的使用,使得C更加高效。
2.JavaScript代码
// 递归方法
function climbStairsRecursive(int n) {
if (n <= 2) return n;
return climbStairsRecursive(n - 1) + climbStairsRecursive(n - 2);
}
// 动态规划方法
function climbStairsDP(int n) {
let dp = Array(n + 1).fill(0)
if (n <= 2) return n;
dp[1] = 1;
dp[2] = 2;
for (int i = 3; i <= n; ++i) {
dp[i] = dp[i - 1] + dp[i - 2];
}
return dp[n];
}
// 空间优化的动态规划方法
var climbStairs = function (n) {
let a = 1, b = 2, temp = 0;
if (n <= 2) return n;
for (let i = 3; i <= n; i++) {
temp = a + b;
a = b;
b = temp;
}
return b;
};