前言
记录一下刷题历程 力扣第7题 爬楼梯
爬楼梯
原题目: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 阶 + 1 阶
- 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 阶 + 1 阶 + 1 阶
- 1 阶 + 2 阶
- 2 阶 + 1 阶
分析
我们画一棵决策树
在图里我们可以清晰的看出来当阶梯为4时有f(4)=f(3)+f(2) 所以当楼梯为n阶时有f(n)=f(n-1)+f(n-2)种方法,使用动态规划中自下而上的迭代就可以得出正确答案
代码如下:
class Solution {
public:
int climbStairs(int n) {
vector<int> dp(n + 1, 0); // 创建一个长度为 n+1 的数组 dp,初始化为0,用于存储每级台阶的方法数
dp[0] = 1; // 初始条件:到达第 0 级台阶的方法数为 1(不需要走)
dp[1] = 1; // 初始条件:到达第 1 级台阶的方法数为 1(一种方式:一步走到)
// 从第 2 级台阶开始计算到达每级台阶的方法数
for (int i = 2; i <= n; i++) {
dp[i] = dp[i - 1] + dp[i - 2]; // 状态转移方程:到达第 i 级台阶的方法数 = 到达第 i-1 级台阶的方法数 + 到达第 i-2 级台阶的方法数
}
return dp[n]; // 返回到达第 n 级台阶的方法数
}
};
解释注释
1.vector dp(n + 1, 0);
创建一个名为 dp 的整型向量,长度为 n + 1,并将所有元素初始化为 0。dp[i] 表示到达第 i 级台阶的方法数。
初始条件设置:
2.dp[i] = dp[i - 1] + dp[i - 2];
对于每级台阶 i >= 2,到达第 i 级台阶的方法数等于到达第 i-1 级台阶的方法数加上到达第 i-2 级台阶的方法数。
这是因为,要到达第 i 级台阶,可以从第 i-1 级台阶走一步到达,或者从第 i-2 级台阶走两步到达。
3.循环计算:
for (int i = 2; i <= n; i++) { … }
从第 2 级台阶开始循环计算到达每级台阶的方法数,直到第 n 级台阶。
时间复杂度
使用动态规划的方法解决了爬楼梯问题,通过定义状态和状态转移方程来求解到达每级台阶的方法数。需要遍历从 2 到 n 的所有台阶,每级台阶的计算都是常数时间复杂度的操作,因此总体时间复杂度为 O(n)。