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)