今天看到对爬楼梯问题有意思的解法
力扣链接:力扣
这道题和斐波那契数一样,都很经典。
解法1
常规的解法,写个递归,不过这个在力扣会超时,放上代码
class Solution {
public:
int climbStairs(int n) {
if (n <= 2) {
return n;
}
return climbStairs(n - 1) + climbStairs(n - 2);
}
};
解法2
动态规划。动态规划解这道题很适合。具体代码如下:
class Solution {
public:
int climbStairs(int n) {
// 边界检查
if (n <= 2) {
return n;
}
vector<int> dp(n + 1, 0);
// dp[i]表示爬到第i阶楼梯,共有dp[i]中方法
// 递推公式:dp[i] = dp[i - 1] + dp[i - 2]
// 从前向后遍历
dp[1] = 1;
dp[2] = 2;
for (int i = 3; i <= n; i++) {
dp[i] = dp[i - 1] + dp[i - 2];
}
return dp[n];
}
};
当然也可以省掉数组用三个变量来滑动式的递推
class Solution {
public:
int climbStairs(int n) {
if (n <= 2) {
return n;
}
int f1 = 1;
int f2 = 2;
for (int i = 3; i <= n; i++) {
int temp = f1 + f2;
f1 = f2;
f2 = temp;
}
return f2;
}
};
解法3
上述两种方法都很好理解,代码上也不都难。今天一个很有意思的解法。
利用完全背包去求解。
背包问题详见:(1条消息) 【算法】背包问题_StudyWinter的博客-CSDN博客
这里将1步、2步看作是物品,并且无限多,将楼梯阶数看作是背包容量。
也就是说有背包容量为n的背包,有物品容量为1和2的物品,可以无限拿,问装满背包有多少中
方法?
接下来就是递推公式了。
不考虑nums[i]的情况下,填满容量为j - nums[i]的背包,有dp[j - nums[i]]种方法。
那么只要搞到nums[i]的话,凑成dp[j]就有dp[j - nums[i]] 种方法。
例如:dp[j],j 为5,
- 已经有一个1(nums[i]) 的话,有 dp[4]种方法 凑成 dp[5]。
- 已经有一个2(nums[i]) 的话,有 dp[3]种方法 凑成 dp[5]。
- 已经有一个3(nums[i]) 的话,有 dp[2]中方法 凑成 dp[5]
- 已经有一个4(nums[i]) 的话,有 dp[1]中方法 凑成 dp[5]
- 已经有一个5 (nums[i])的话,有 dp[0]中方法 凑成 dp[5]
这里的递推公式也是
dp[i] += dp[i - j];
最终代码
class Solution {
public:
// 完全背包问题,有1和2可以无限取,楼梯的阶数是背包容量
int climbStairs(int n) {
vector<int> dp(n + 1, 0); // dp[i]表示爬到第i个楼梯,共有dp[i]中方法
dp[0] = 1;
// 递推公式:dp[i] += dp[i - j];
// 先遍历背包,后遍历物品
for (int i = 1; i <= n; i++) {
for (int j = 1; j <= 2; j++) {
if (i - j >= 0) {
dp[i] += dp[i - j];
}
}
}
return dp[n];
}
};