地址:跳台阶_牛客题霸_牛客网
一、递归
示例代码:
public int jumpFloor(int target) {
if (target == 1) {
return 1;
} else if (target == 2) {
return 2;
} else {
return jumpFloor(target - 1) + jumpFloor(target - 2);
}
}
代码详解:
题目分析,假设 f[i] 表示在第i个台阶上可能的方法数。逆向思维。如果我从第n个台阶进行下台阶,下一步有2中可能,一种走到第 n-1 个台阶,一种是走到第 n-2个 台阶。
所以f[n] = f[n-1] + f[n-2]. 那么初始条件了,f[0] = f[1] = 1。 所以就变成了:f[n] = f[n-1] + f[n-2], 初始值f[0]=1, f[1]=1,目标求f[n] 看到公式很亲切,代码秒秒钟写完。
此代码优点,代码简单好写,缺点:慢,会超时 时间复杂度:O(2^n) 空间复杂度:递归栈的空间。
方法二:记忆化搜索 拿求f[5] 举例
通过图会发现,上述方法中,存在很多重复计算,因为为了改进,就把计算过的保存下来。 那么用什么保存呢?一般会想到map, 但是此处不用牛刀,此处用数组就好了。
public class Solution {
int f[40]{0};
public int jumpFloor(int number) {
if (number <= 1) {
return 1;
}
if (f[number] > 0) {
return f[number];
}
return f[number] = (jumpFloor(number - 1) + jumpFloor(number - 2));
}
}
二、动态规划
虽然方法二可以解决此题了,但是如果想让空间继续优化,那就用动态规划,优化掉递归栈空间。 方法二是从上往下递归的然后再从下往上回溯的,最后回溯的时候来合并子树从而求得答案。 那么动态规划不同的是,不用递归的过程,直接从子树求得答案。过程是从下往上。
示例代码:
public class Solution {
int dp[40]{0};
public int jumpFloor(int number) {
dp[0] = 1, dp[1] =1;
for (int i = 2; i <= number; i ++) {
dp[i] = dp[i-1]+dp[i-2];
}
return dp[number];
}
}
时间复杂度:O(n) 空间复杂度:O(n) ;继续优化,发现计算 f[5] 的时候只用到了 f[4] 和 f[3] , 没有用到 f[2]...f[0], 所以保存 f[2]..f[0] 是浪费了空间。 只需要用3个变量即可。
示例代码:
public class Solution {
public int jumpFloor(int number) {
// a表示f(n-2)的值,b表示f(n-1)的值,c表示f(n)的值
int a = 1 , b = 1 , c = 1;
for (int i = 2; i <= number; i ++) {
c = a+b;
a = b;
b = c;
}
return c;
}
}
时间复杂度:O(n) 空间复杂度:O(1) 完美!