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);
}