LeetCode70 爬楼梯题解
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?
注意:给定 n 是一个正整数。
举个例子:
示例 1:
输入: 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: 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
解题思路
思路一 递归求解
我们可以从最后一级台阶开始分析,假设函数f(n)是爬到第n级台阶可以有的方法,那么很显然在第n-1级台阶我们可以爬一个台阶或者在第n-2级台阶爬两个台阶到达第n个台阶,那么就有公式
f(n) = f(n-1) + f(n-2) |
---|
利用这个公式就可以进行递归求解,分析一下复杂度
利用递归树求时间复杂度的办法可以求出来这个时间复杂度是O(2^n),很显然,虽然这个方法容易想到,但是时间复杂度过高,在系统里也会超时。
思路二 带存储的递归求解
因为使用单纯的递归求解会带来极大的运算时间,因为需要进行改进。从上图看,在进行递归的过程中,会有一个f(i)被进行多次计算,例如在上图中,仅在画出的四层递归树中f(n-4)就被计算了4次,因此可以建立一个数组nums[],当f(i)被第一次计算出来后,就将他存入nums[i]中,当被再次需要他的值时,从数组中读出即可,不需要再次计算,这样大大降低了时间复杂度。
这种方法的时间复杂度时O(n),不过会带来O(n)的空间复杂度。
思路三 动态规划
这道题的动态规划做法也是使用了思路一的那个公式:
f(n) = f(n-1) + f(n-2) |
---|
不过动态规划解法和递归解法不同的是,递归是从上往下做计算,而动态规划是自下而上,先标注了a[1]=1,a[2]=2,而之后的a[i] = a[i-1] + a[i-2],最后输出a[n]即可,不过需要注意的是当n是1时,直接返回1。
很显然这种方法的时间复杂度以及空间复杂度依旧都是O(n)。
代码展示
带存储的递归求解
public static int climbmemo(int n,int a[])
{
if(a[n]>0)
return a[n];
else if(n==1)
a[n] = 1;
else if(n==2)
a[n] = 2;
else
a[n] = climbmemo(n-1,a)+climbmemo(n-2,a);
return a[n];
}
public static int climbStairs(int n) {
int a[] = new int[n+1];
return climbmemo(n,a);
}
动态规划
public static int climbStairs(int n) {
int a[] = new int[n+1];
a[1] = 1;
a[2] = 2;
for(int i=3;i<a.length;i++)
{
a[i] = a[i-1]+a[i-2];
}
return a[n];
}
如果觉得这篇题解有用的话就给我点个赞吧,有什么也可以在评论区交流交流~