数组的每个索引做为一个阶梯,第 i个阶梯对应着一个非负数的体力花费值 costi。
每当你爬上一个阶梯你都要花费对应的体力花费值,然后你可以选择继续爬一个阶梯或者爬两个阶梯。
您需要找到达到楼层顶部的最低花费。在开始时,你可以选择从索引为 0 或 1 的元素作为初始阶梯。
示例 1:
输入: cost = [10, 15, 20]
输出: 15
解释: 最低花费是从cost[1]开始,然后走两步即可到阶梯顶,一共花费15。
示例 2:
输入: cost = [1, 100, 1, 1, 1, 100, 1, 1, 100, 1]
输出: 6
解释: 最低花费方式是从cost[0]开始,逐个经过那些1,跳过cost[3],一共花费6。
注意:
cost 的长度将会在 [2, 1000]。
每一个 cost[i] 将会是一个Integer类型,范围为 [0, 999]。
思路:
首先题目已经明确说明cost的长度是大于等于2的,所以可以在一开始就指定spend的第一个和第二个元素。因为在爬楼梯的时候有爬一层和爬两层两种选择,这是典型的动态规划问题。
当爬到楼顶N逆推爬楼路径的时候,发现有两种情况。一是爬了最后一层N,spend[N] = cost[N]+spend[N-1],二是没有爬最后一层,那么他肯定要爬倒数第二层,此时spend[N] = cost[N-1]+spend[N-2],综合这两种情况,spend[N]取两个中的最小值。
import numpy as np
class Solution(object):
def minCostClimbingStairs(self, cost):
"""
:type cost: List[int]
:rtype: int
"""
# 动态规划
spend = np.zeros(len(cost),dtype=int)
spend[0] = 0
spend[1] = min(cost[0],cost[1])
for i in range(2,len(cost)):
spend[i] = min(cost[i]+spend[i-1],cost[i-1]+spend[i-2])
return spend[-1]
导入numpy会增加耗时,因为列表中的元素是按顺序添加进去的,所以可以先生成空列表,然后利用列表的append方法, 这样会缩短运行时间。
class Solution(object):
def minCostClimbingStairs(self, cost):
"""
:type cost: List[int]
:rtype: int
"""
# 动态规划
spend = []
spend.append(0)
a1 = min(cost[0],cost[1])
spend.append(a1)
for i in range(2,len(cost)):
b = min(cost[i]+spend[i-1],cost[i-1]+spend[i-2])
spend.append(b)
return spend[-1]
递归的思路。但是在输入很长的时候,会超出时间限制
class Solution(object):
def minCostClimbingStairs(self, cost):
"""
:type cost: List[int]
:rtype: int
"""
# 动态规划 递归
def mincost(cost,i):
if i==0:
return 0
elif i==1:
return min(cost[0],cost[1])
else:
A = mincost(cost,i-1)+cost[i]
B = mincost(cost,i-2)+cost[i-1]
return min(A,B)
return mincost(cost,len(cost)-1)