Python中的爬楼梯问题

题目描述

        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？

示例 1：

输入：n = 2
输出：2
解释：有两种方法可以爬到楼顶。
1. 1 阶 + 1 阶
2. 2 阶

示例 2：

输入：n = 3
输出：3
解释：有三种方法可以爬到楼顶。
1. 1 阶 + 1 阶 + 1 阶
2. 1 阶 + 2 阶
3. 2 阶 + 1 阶

提示：

• 1 <= n <= 45

 思路

        动态规划是一种解决复杂问题的算法设计技术，它通常适用于具有重叠子问题和最优子结构的问题。在爬楼梯问题中，我们要求计算到达第 n 阶楼梯的不同方法数。每次可以选择爬一阶或者两阶楼梯，因此问题可以转化为求解斐波那契数列。 

解题过程

• 定义状态：

        设 dp[i] 表示爬到第 i 阶楼梯的不同方法数

• 状态转移方程：

        当前台阶的方法数 dp[i] 可以由两种方式到达：
        从第 i-1 阶台阶爬一步上来，即 dp[i-1]；
        从第 i-2 阶台阶爬两步上来，即 dp[i-2]。
        因此，状态转移方程为： dp[i] = dp[i-1] + dp[i-2]。

• 边界条件：

        当 n = 1 时，只有一种方法，即一次爬一阶： dp[1] = 1。
        当 n = 2 时，有两种方法：一次爬一阶两次或者一次爬两阶一次： dp[2] = 2。

• 求解过程：

        初始化 dp 数组，并根据状态转移方程从 dp[3] 到 dp[n] 计算每个阶梯的方法数。

复杂度

• 时间复杂度：O(n)，因为我们需要计算从 dp[3] 到 dp[n] 的所有值，每个值的计算需要常数时间。
• 空间复杂度：O(n)，使用了长度为 n+1 的 dp 数组来存储中间结果。

Code

class Solution(object):
    def climbStairs(self, n):
        if n == 1:
            return 1
        elif n == 2:
            return 2
        dp = [0] * (n + 1)
        dp[1] = 1
        dp[2] = 2
        for i in range(3, n + 1):
            dp[i] = dp[i - 1] + dp[i - 2]
        return dp[n]