思路:
爬到n阶的方法有两种:
1. 从n-1阶爬上来
2. 从n-2阶直接上来
同理到达n-1阶的方法也有两种:从n-2阶上或者从n-3阶上,到达n-2阶的方法也有两种:从n-3阶上或者从n-4阶上………………
递归问题,要想求到达n阶的方法数,必须求到达n-1阶和n-2阶的方法数。得到递归方程:f(n)=f(n-1)+f(n-2)
那么初始状态为:f(1) = 1,f(2) = 2(到达第二阶有两种方法)。
递归代码:
public int climbStairsDigui(int n){
if (n == 1){
return 1;
}else if (n == 2){
return 2;
}else {
return climbStairsDigui(n-1)+climbStairsDigui(n-2);
}
}
但是很容易超时!!!!!!!!!!!!
转换为动态规划:将一个大问题分解为多个子问题进行求解。上边的递归方程也就是状态转移方程。
递归只注重结果,所以中间的值可以不用保留,但是耗时间。动态规划可以记录每一次计算的结果,时间复杂度低。
代码:
public int climbStairs(int n) {
if(n < 2){
return 1;
}
int[] T = new int[n];
T[0] = 1;
T[1] = 2;
for (int i = 2;i < n; i++){
T[i] = T[i-1] + T[i-2];
}
return T[n-1];
}
动规解题的一般思路
1. 将原问题分解为子问题
- 把原问题分解为若干个子问题,子问题和原问题形式相同或类似,只不过规模变小了。子问题都解决,原问题即解决。
- 子问题的解一旦求出就会被保存,所以每个子问题只需求 解一次。
2.确定状态
- 在用动态规划解题时,我们往往将和子问题相关的各个变量的一组取值,称之为一个“状 态”。一个“状态”对应于一个或多个子问题, 所谓某个“状态”下的“值”,就是这个“状 态”所对应的子问题的解。
- 所有“状态”的集合,构成问题的“状态空间”。“状态空间”的大小,与用动态规划解决问题的时间复杂度直接相关。
3.确定一些初始状态(边界状态)的值
以“爬楼梯”为例,初始状态就是f(1),f(2),值就是数字值。
4. 确定状态转移方程
定义出什么是“状态”,以及在该“状态”下的“值”后,就要找出不同的状态之间如何迁移――即如何从一个或多个“值”已知的 “状态”,求出另一个“状态”的“值”(递推型)。状态的迁移可以用递推公式表示,此递推公式也可被称作“状态转移方程”。
从递推公式出发,就可以先求出小问题的解,最后大问题的解就出来了。如先求出f(3),f(4)...