Leetcode 70. Climbing Stairs (python+cpp)

Leetcode 70. Climbing Stairs

题目

在这里插入图片描述

解析:动态规划

这道题有很多的方法可以解,比如dfs+memorization,Fibonacci Number。但是这是最便于理解动态规划的一个题目,所以为了清晰这边只提供动态规划的解法。
动态规划的关键在于找到状态转移方程,通俗的说就是前一个状态到后一个状态怎么转移的。通过状态转移方程,我们可以通过最开始非常简单的状态(或者说是边界状态)一步步递推出复杂状态下的情况。所以重点在两部分:1. 边界状态的初始化 2. 状态转移方程的推导。而在这道题中,重点可以用一句话概括,由于某个位置i可以从位置i - 1或者i - 2到达,所以i 位置的所有走法等于位置i - 1和i - 2的走法之和。所以状态转移方程为:

dp[i] = dp[i-1]+dp[i-2]

python代码如下:

class Solution:
    def climbStairs(self, n: int) -> int:
        if n<=2: return n
        dp = [1]*(n+1)
        dp[2] = 2
        for i in range(2,n+1):
            dp[i] = dp[i-1]+dp[i-2]
        
        return dp[n]

进一步的,这边有个关于动态规划的小知识点,就是状态压缩。顾名思义也就是,将动态规划中的状态数组进行了压缩。。因为dp[i]只与dp[i-1]和dp[i-2]有关,因此 可以只用两个变量来存储dp[i-1]和dp[i-2],使得原来的O(n)空间复杂度优化为O(1)复杂度。
python代码如下:
其实状态压缩后的解法就是斐波那契数列的解法

class Solution:
    def climbStairs(self, n: int) -> int:
        if n<=2: return n
        first = 1
        second = 2
        for i in range(2,n):
            curr = first+second
            first=second
            second = curr
        return curr

C++版本如下:

class Solution {
public:
    int climbStairs(int n) {
        if (n<=2) return n;
        vector<int> dp(n+1,1);
        for (int i=2;i<=n;++i){
            dp[i] = dp[i-1]+dp[i-2];
        } return dp[n];
    } 
};

参考链接

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值