数组的每个索引作为一个阶梯,第 i个阶梯对应着一个非负数的体力花费值 cost[i](索引从0开始)。
每当你爬上一个阶梯你都要花费对应的体力花费值,然后你可以选择继续爬一个阶梯或者爬两个阶梯。
您需要找到达到楼层顶部的最低花费。在开始时,你可以选择从索引为 0 或 1 的元素作为初始阶梯。
示例 1:
输入: cost = [10, 15, 20]
输出: 15
解释: 最低花费是从cost[1]开始,然后走两步即可到阶梯顶,一共花费15。
示例 2:
输入: cost = [1, 100, 1, 1, 1, 100, 1, 1, 100, 1]
输出: 6
解释: 最低花费方式是从cost[0]开始,逐个经过那些1,跳过cost[3],一共花费6。
注意:
cost 的长度将会在 [2, 1000]。
每一个 cost[i] 将会是一个Integer类型,范围为 [0, 999]。
解决方案:
题目要求的是到达第n级台阶楼层顶部的最小花费,可以用动态规划来解,下面一步一步来讲怎样确定状态空间、怎样给出状态转移方程。
理解题意需要注意两点:
- 第i级台阶是第i-1级台阶的阶梯顶部。
- 踏上第i级台阶花费cost[i],直接迈一大步跨过而不踏上去则不用花费。
解法一:
到达第i级台阶的阶梯顶部的最小花费,有两个选择:
- 先付出最小总花费
到达第i级台阶(即第i-1级台阶的阶梯顶部),踏上第i级台阶需要再花费
,再迈一步到达第i级台阶的阶梯顶部,最小总花费为
;
- 先付出最小总花费
到达第i-1级台阶(即第i-2级台阶的阶梯顶部),踏上第i-1级台阶需要再花费
,再迈两步跨过第i级台阶直接到达第i级台阶的阶梯顶部,最小总花费为
;
则minCost[i]是上面这两个最小总花费中的最小值。
台阶的数组从0开始计数。可以用-1代表地面,并设cost[-1] = 0。
最小总花费的初始值为:
第0级台阶: ,
第1级台阶: 。
动态递归代码如下:
class Solution:
def minCostClimbingStairs(self, cost: List[int]) -> int:
n = len(cost)
minCost = [0] * n
minCost[1] = min(cost[0], cost[1])
for i in range(2, n):
minCost[i] = min(minCost[i - 1] + cost[i], minCost[i - 2] + cost[i - 1])
return minCost[-1]
上面的代码在空间利用上可以再优化一下。只用两个变量保存状态转移方程中前面的两个记录,并不断更新,就可以递推下去,这样空间复杂度就由O(N)变为O(1)了。
代码如下:
class Solution:
def minCostClimbingStairs(self, cost: List[int]) -> int:
minCost0, minCost1 = 0, min(cost[0], cost[1])
for i in range(2, len(cost)):
minCost = min(minCost1 + cost[i], minCost0 + cost[i - 1])
minCost0, minCost1 = minCost1, minCost;
return minCost
解法二:
到达第i级台阶的阶梯顶部的最小花费,有两个选择:
- 最后踏上了第i级台阶,最小花费
,再迈一步到达第i级台阶楼层顶部;
- 最后踏上了第i-1级台阶,最小花费
,再迈两步跨过第i级台阶直接到达第i级台阶的阶梯顶部。
所以到达第i级台阶的阶梯顶部的最小花费为。
踏上第i级台阶有两种方法:
- 先踏上第i-2级台阶(最小总花费
),再直接迈两步踏上第i级台阶(花费
),最小总花费
;
- 先踏上第i-1级台阶(最小总花费
),再迈一步踏上第i级台阶(花费
),最小总花费
;
则是上面这两个最小总花费中的最小值。
因此状态转移方程是:
。
初始条件:
最后一步踏上第0级台阶,最小花费。
最后一步踏上第1级台阶有两个选择:
- 可以分别踏上第0级与第1级台阶,花费
;
- 也可以从地面开始迈两步直接踏上第1级台阶,花费
。
最小值。
以下是代码:
class Solution:
def minCostClimbingStairs(self, cost: List[int]) -> int:
n = len(cost)
dp = [0] * n
dp[0], dp[1] = cost[0], cost[1]
for i in range(2, n):
dp[i] = min(dp[i - 2], dp[i - 1]) + cost[i]
return min(dp[-2], dp[-1])
上面的代码在空间利用上可以再优化一下。
注意到状态转移方程中只用到了前面的两个记录,可以不用一维数组,只用两个变量保存前面的两个记录,并不断更新,就可以递推下去,这样空间复杂度就是O(1)了。
更进一步,注意到初始值,
,可以直接复用cost数组来代表dp数组。
代码如下:
class Solution:
def minCostClimbingStairs(self, cost: List[int]) -> int:
for i in range(2, len(cost)):
cost[i] = min(cost[i - 2], cost[i - 1]) + cost[i]
return min(cost[-2], cost[-1])