LeetCode算法入门 爬楼梯 解法与分析

问题描述：

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。

示例 1：

输入： 2
输出： 2
解释： 有两种方法可以爬到楼顶。
1.  1 阶 + 1 阶
2.  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.  1 阶 + 1 阶 + 1 阶
2.  1 阶 + 2 阶
3.  2 阶 + 1 阶

随便聊聊

这道题面试的时候经常出现，我在面试字节跳动实习生二面的时候被问过这一道题，题目差不多就是这个形式，我当时使用递归做出来的，但是超时了。

解法一：

使用递归方法。

代码如下：

class Solution {
public:
    int climbStairs(int n) {
        if(n==0) return 0;
        if(n==1 || n==2){
            return n;
        }
        return  climbStairs(n-1)+climbStairs(n-2);
    }
};

这个方法本质上是使用斐波那契数列。Fib(n)=Fib(n−1)+Fib(n−2)

但是这个方法会超时。

解法二：

可以将斐波那契数改为非递归的形式：Fib*(n)=Fib(n−1)+Fib(n−2)

代码如下：

class Solution {
public:
    int climbStairs(int n) {
        if(n==0) return 0;
        if(n==1 || n==2){
            return n;
        }
        int a=1;
        int b=2;
        int result =0;
        for(int i =2; i < n; i++){
            result = a+b;//F(X)=F(X-1)+F(X-2);
            a=b;
            b=result;
        }
        return  result;
    }
};

解法三：

这道题应该是经典的动态规划解法。

借用力扣官方的解释：

不难发现，这个问题可以被分解为一些包含最优子结构的子问题，即它的最优解可以从其子问题的最优解来有效地构建，我们可以使用动态规划来解决这一问题。

第 i 阶可以由以下两种方法得到：

​ 1.在第 (i−1) 阶后向上爬一阶。

​ 2.在第 (i−2) 阶后向上爬 2 阶。

所以到达第 i 阶的方法总数就是到第 (i-1)阶和第(i−2) 阶的方法数之和。

令 dp[i]表示能到达第 i阶的方法总数：

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

代码如下：

class Solution {
public:
    int climbStairs(int n) {
        if (n == 1) {
            return 1;
        }
        int dp[n + 1];
        dp[1] = 1;
        dp[2] = 2;
        for (int i = 3; i <= n; i++) {
            dp[i] = dp[i - 1] + dp[i - 2];
        }
        return dp[n];
    }
};

解法三的思路来自于：

作者：LeetCode
链接：https://leetcode-cn.com/problems/climbing-stairs/solution/pa-lou-ti-by-leetcode/
来源：力扣（LeetCode）