动态规划：爬楼梯问题

捕风捉你

于 2024-07-20 22:22:28 发布

阅读量599

点赞数 16

分类专栏：从0开始学算法文章标签：动态规划算法

本文链接：https://blog.csdn.net/qq_40254606/article/details/140578638

版权

从0开始学算法专栏收录该内容

24 篇文章 0 订阅

订阅专栏

引言

动态规划（Dynamic Programming，简称DP）是一种解决最优化问题的有效方法，通过将复杂问题分解为更小的子问题来求解。与分治法不同的是，动态规划适用于重叠子问题和最优子结构性质的问题。本文将详细介绍动态规划的基本思想、定义及其应用场景，并通过经典的爬楼梯问题进行具体讲解。

动态规划的定义

动态规划是一种通过记忆和重用子问题的解来提高效率的算法设计技术。其核心思想是将问题分解为多个子问题，先求解子问题并将其结果存储起来，以便在需要时直接使用，避免重复计算。

动态规划的两个核心性质

重叠子问题（Overlapping Subproblems）：问题可以分解为多个子问题，且这些子问题在解决过程中会被多次重复计算。
最优子结构（Optimal Substructure）：问题的最优解可以通过子问题的最优解构造出来。

动态规划的应用场景

动态规划广泛应用于解决各种最优化问题和组合问题，包括但不限于以下几类：

最短路径问题（如Dijkstra算法）
序列问题（如最长公共子序列、最长递增子序列）
组合问题（如背包问题、硬币找零问题）
其他最优化问题（如矩阵链乘法）

经典问题：爬楼梯问题

爬楼梯问题（Climbing Stairs Problem）是动态规划的经典应用之一。问题描述如下：

爬楼梯问题

假设你正在爬一个楼梯。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？

例如，假设楼梯有 (n = 2) 个台阶：

你可以一次爬 1 个台阶，达到楼顶。
你可以一次爬 2 个台阶，达到楼顶。

所以，总共有 2 种方法可以爬到楼顶。

动态规划求解爬楼梯问题的基本思路

定义状态：设 (dp[i]) 表示爬到第 (i) 阶楼梯的方法总数。
状态转移方程：
- 如果 (i > 2)，则 (dp[i] = dp[i-1] + dp[i-2])
- 因为你可以从第 (i-1) 阶楼梯爬 1 阶到达第 (i) 阶，或者从第 (i-2) 阶楼梯爬 2 阶到达第 (i) 阶。
初始化：(dp[0] = 1)（没有台阶时只有一种方法）和 (dp[1] = 1)（只有一个台阶时也只有一种方法）。
求解目标：(dp[n]) 即为所求的爬到楼顶的方法总数。

程序图解

图解动态规划表的填充过程

假设楼梯有 (n = 5) 个台阶。

我们需要填充一个 dp 数组，其中 dp[i] 表示爬到第 (i) 阶楼梯的方法总数。

初始化和处理前几个台阶

代码实现

以下是用Java实现爬楼梯问题的动态规划代码示例：

public class ClimbingStairs {
    /**
     * 求解爬楼梯问题
     * @param n 楼梯的阶数
     * @return 爬到楼顶的方法总数
     */
    public static int climbStairs(int n) {
        if (n <= 1) {
            return 1;
        }
        int[] dp = new int[n + 1];
        dp[0] = 1;
        dp[1] = 1;

        for (int i = 2; i <= n; i++) {
            dp[i] = dp[i - 1] + dp[i - 2];
        }

        return dp[n];
    }

    public static void main(String[] args) {
        int n = 5;
        System.out.println("爬到楼顶的方法总数为: " + climbStairs(n));
    }
}