Python 解决动态规划问题之 爬楼梯

问题描述

一个人爬楼梯,每次只能爬1个或两个台阶,假设有n个台阶,那么这个人有多少种不同的爬楼梯方法

程序

def climb_stairs(n):
    way = [0, 1, 2]
    for i in range(3, n + 1):
        way.append(way[i - 1] + way[i - 2])
    return way[n]


def easy_climb(n):
    return easy_climb(n - 1) + easy_climb(n - 2) if n not in [0, 1, 2] else n

效率

### 动态规划解决爬楼梯问题 动态规划是一种通过分解复杂问题并保存中间结果来优化整体解决方案的技术[^1]。对于爬楼梯问题,假设每次可以选择爬 12 阶梯,则可以通过定义状态转移方程 `dp[i]` 表示到达第 i 层楼梯的不同方法数量。 #### 状态转移方程 如果要达到第 i 层楼梯,可以从第 `(i-1)` 层再走一步或者从第 `(i-2)` 层再走两步得到。因此,状态转移方程为: ```plaintext dp[i] = dp[i-1] + dp[i-2] ``` 其中: - `dp[i-1]` 是从前一层跳过来的情况; - `dp[i-2]` 是从前两层跳过来的情况。 初始条件设置如下: - 当楼梯层数为 0 (`n=0`) 时,没有台阶可爬,返回值设为 0。 - 当楼梯层数为 1 (`n=1`) 时,只有一种方式爬上该楼层。 - 当楼梯层数为 2 (`n=2`) 时,有两种方式:一次爬两个阶梯或两次各爬一个阶梯。 以下是基于上述逻辑的 Python 实现代码: ```python def climbStairs(n: int) -> int: if n == 0 or n == 1: return 1 dp = [0] * (n + 1) dp[0], dp[1] = 1, 1 for i in range(2, n + 1): dp[i] = dp[i - 1] + dp[i - 2] return dp[n] # 测试函数 print(climbStairs(3)) # 输出应为 3 ``` 此代码实现了动态规划的核心思想,并利用了一维数组存储每一步的结果以减少重复计算的时间开销[^2]。 #### 进一步优化空间复杂度 由于当前状态仅依赖前两个状态,可以进一步简化空间复杂度至 O(1),即只需要保留最近的两个状态即可完成迭代过程。 下面是改进后的版本: ```python def climbStairsOptimized(n: int) -> int: if n == 0 or n == 1: return 1 prev1, prev2 = 1, 1 for _ in range(2, n + 1): current = prev1 + prev2 prev2 = prev1 prev1 = current return prev1 # 测试优化版函数 print(climbStairsOptimized(3)) # 输出同样为 3 ``` 这种优化不仅保持了时间效率还极大地减少了内存占用量[^4]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值