十三、使用最小花费爬楼梯

1、题目

链接

数组的每个索引做为一个阶梯，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：

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]。

2、分析

题目要求使用最小的花费取爬楼梯，列表中的数字代表你离开次数需要消耗的体力，直到你到达了终点，判断这道题发现，可以使用动态规划去解决，动态规划方程为,p1,p2 = p2, min(p1+cost[i-2], p2+cos[i-1]), p1从当前点的前两个点移动到此点的体力消耗，p2为从当前点的前一个点移动到此点的体力的消耗。p1,p2均为缓存，起始点p1与p2是相同的，因为不管如何移动，他们都是同相同的地方出发，重点在于p1 = p2，是因为，我们始终要将最优的点保存到缓存中，向右移动一位，此时p1就是距离该点了两个距离的点，也就是上一个p2的点，所以要使p1=p2。这样的话p1即为上一个p2，当p1与目标的前二个进行相加的时候，如果这个值比p2加上目标的前一个值打，那么p2也就不用去与目标值的前二个去加了，因为比你少一步的加一个值比你还大，那么你再去加肯定比这个值更大，如果p1与目标值的前两个值相加的结果小于p2与目标值，那么我们就采用这个最小的值， 也就是目前的最优值。

3、代码

class Solution:
    def minCostClimbingStairs(self, cost: List[int]) -> int:
        p1 , p2 = 0, 0
        
        # p2就是上一个的花费， p1 = p2，就是使当向右移动一位时，p1此时变成了距离目标点两位
        for i in range(2, len(cost) + 1):
            p1, p2 = p2, min(p2 + cost[i-1], p1 + cost[i-2])
            print(f'{i}---------{p1},{p2}')
        return p2

4、结果

执行用时 :128 ms, 在所有 Python3 提交中击败了5.90% 的用户
内存消耗 :13.1 MB, 在所有 Python3 提交中击败了71.58%的用户

5、优化

在使用p1，p2这两个缓存的时候思想上比较难以接收，试着使用矩阵这种常规的动态规划缓存方式去建立更加好理解的缓存，另外我还想了一种二叉树的思想，只是目前没有实现，例如，cost = [1, 100, 14, 15, 11, 101]，红色的路线即为消耗体力最小，但是想到这中思想可能会消耗很大的内存空间。

---

望您：
“情深不寿，强极则辱，谦谦君子，温润如玉”。