LeetCode70 爬楼梯题解

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~