LeedCode＜简单＞ 70. 爬楼梯

题干描述：

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

---

方法一：递归

时间复杂度等于节点的个数：

思路分析：第一种思路依旧是递归，我们只需要考虑到达第n层有几种方式

两种，1. 从第n-1层一步一层走上去，2. 从第n-2层一步跨两层上去。

function climbStairs(n) {
  if( n == 1 ){
    return 1;
  }else if( n == 2 ){
    return 2;
  }else{
    return climbStairs(n-1)+climbStairs(n-2);
  }
}

但是普通的递归，由于重复计算的问题，会导致效率非常低

可以看到，3、4均被递归给重复计算了，假如我们要计算更大的楼层，那么必然导致更大更复杂的树要被重新计算。

所以，我们要对其进行一定的优化，优化的思路就是使用记忆化递归。

方法二：记忆化递归

时间复杂度等于树的深度：

思路是：将已经计算过的数据保存在一个数组中，每次递归只需要查找数组中是否已经存在，只要存在了，直接将数组中的数字返回即可。

优化完之后，对应的二叉树就变成了这样：

代码也并不复杂：

var arr = [1, 1, 2];
function climbStairs(a){
  if( arr[a] ){
    return arr[a];
  } else{
    arr[a] = climbStairs(a-1)+climbStairs(a-2);
    return arr[a];
  }
}

方法三：动态规划、动态数组

 时间复杂度：

仔细观察数据结构，或者是数据计算方式，我们就会发现，它的数据也满足斐波那契数列，所以，我们就索性直接借助 for 循环，将所有的 n 前面所有的数据都计算出来，最后返回 n 所对应的数据。

两种方法的本质其实一样的，只不过前一个方法将数据放到了数组，而后一个直接用变量存储。

动态规划：

var arr = [0, 1, 2];
function climbStairs(a){
  if(arr[a]){
    return arr[a];
  }else{
    for(var i=3; i<=a; i++){
      arr[i] = arr[i-1] + arr[i-2];
    }
    return arr[a];
  }
}
console.log( climbStairs(4) );

动态数组：

function climbStairs(a){
  var bf = 1;
  var aft = 2;
  if( a == 1 ){
    return bf;
  }else if(  a == 2  ){
    return aft;
  }else{
    for(var j=3; j<=a; j++){
      aft = bf + aft;
      bf = aft - bf;
    }
    return aft;
  }
}

方法四：Binet's Formula

时间复杂度：

这个方法需要非常多的线性代数知识，想了解的同学可以这篇文章：Binet‘s Formula 算法​​​​​​​

推导通项公式的过程极为复杂，但代码非常简便：

function B(n){
  var sqrt5 = Math.sqrt(5);
  var result = (Math.pow((1+sqrt5)/2,n+1)-Math.pow((1-sqrt5)/2,n+1))/sqrt5;
  return Math.floor(result);
}