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?
class Solution {
public:
int climbStairs(int n) {
int dp[1000];
dp[0] = dp[1] = 1;
for(int i = 2; i <= n; ++i){
dp[i] = dp[i - 1] + dp[i - 2];
}
return dp[n];
}
};
这段代码是一个解决爬楼梯问题的动态规划算法实现。函数climbStairs接受一个整数参数n,表示楼梯的总级数,返回爬到第n级楼梯的不同方法数。
代码中使用了一个一维数组dp,其中dp[i]表示爬到第i级楼梯的不同方法数。数组长度设置为1000,足够存储任意输入范围内的结果。
算法的核心思想是通过动态规划的方式,从前往后计算爬到每一级楼梯的不同方法数,将问题划分为子问题,并利用子问题的解来计算更大规模的问题的解。
具体的算法流程如下:
- 初始化数组dp[0]和dp[1]为1,表示爬到第0级和第1级楼梯的方法数都为1,因为只有一种方法:不爬或者爬一级。
- 使用循环从2开始遍历到n,计算爬到第i级楼梯的不同方法数,通过状态转移方程dp[i] = dp[i - 1] + dp[i - 2]来计算,表示爬到第i级楼梯的方法数等于爬到第i-1级楼梯和爬到第i-2级楼梯的方法数之和,因为爬到第i级楼梯只有两种方式:从第i-1级楼梯爬一级或者从第i-2级楼梯爬两级。
- 循环结束后,dp[n]即为爬到第n级楼梯的不同方法数,将其作为函数的返回值。
这样,通过动态规划的方式,避免了重复计算子问题,提高了算法的效率,得到了爬楼梯问题的解。