70. 爬楼梯
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
解法一
//回溯法(低效)
//时间复杂度O(2^n), 空间复杂度O(n)
//树形递归的大小为2^n
class Solution {
public:
int climb(int step, int havePassed, int n) {//返回以后所有方法的个数
if(step + havePassed > n) return 0;//该步爬过了,不计数
if(step + havePassed == n) return 1;//该步爬到楼顶了,返回1
//返回: 爬1阶+爬2阶
return climb(1, havePassed + step, n) + climb(2, havePassed + step, n);
}
int climbStairs(int n) {
return climb(1, 0, n) + climb(2, 0, n);
}
};
解法二
//回溯法(带缓存优化版)
//时间复杂度O(n), 空间复杂度O(n)
class Solution {
public:
Solution() : sol({1, 1}) {}
int climbStairs(int n) {
//n是剩余要走的阶数
if(n < 0) return 0;//走过了,返回0
if(n < sol.size()) return sol[n];//已经计算过, 直接查表
int p = climbStairs(n - 1) + climbStairs(n - 2);
sol.push_back(p);
return p;//剩余n阶要走,计算解的数目
}
private:
vector<int> sol;//记录已计算过的解
};
解法三
#组合公式, Python代码
#时间复杂度O(n^2), 空间复杂度O(1)
class Solution:
def combination(self, n, r): #组合数公式C(n, r) = n! / r! / (n - r)!
t1 = 1
t2 = 1
diff = n - r
while n > diff:
t1 *= n
n = n - 1
while r > 1:
t2 *= r
r = r - 1
return int(t1 / t2)
def climbStairs(self, n: int) -> int:
count = 0
for i in range(math.floor(n / 2) + 1):
count = count + Solution.combination(self, n - i, i)
#return combination(8, 0);
return count
解法四
//动态规划
class Solution {
public:
int climbStairs(int n) {
if(n == 0 || n == 1) return 1;
int* d = new int[n + 1];
d[0] = 1;
d[1] = 1;
for(int i = 2; i <= n; i++) {
d[i] = d[i - 1] + d[i - 2];
}
return d[n];
}
};
解法五
//菲波那契公式
class Solution {
public:
int climbStairs(int n) {
double temp1 = (1 + sqrt(5)) / 2;
double temp2 = (1 - sqrt(5)) / 2;
return (int)( 1 / sqrt(5) * (pow(temp1, n + 1) - pow(temp2, n + 1)) );
}
};
解法一: 穷举所有可能。其递归树是个二叉树,时间复杂度O(2^n),每层递归空间需求是个常数,共n层,所是空间复杂度为O(n)。采用这种解法,n较小时还可以求解。这是leetcode官方题解上第一种解法,但是效率极低,实际提交甚至都通不过检测(超时错误)。
解法二: 仍是穷举法,使用了一个数组,记录先前的计算结果。优化了解法一,减少了不必要的计算。。
解法三: 用到了排列组合的知识,用Python代码原因是不用考虑计算阶乘时溢出的问题。大体思路是:
- 对于n阶的楼梯,一次上2阶的步数最小为0,最多为n / 2;
- 于是就对一次上2阶的步数进行遍历(0到n/2),累加各种情况的解的数目;
- 对于每个情况,当上2阶的步数为i时,其解的数目为C(n - i, i)。例如C(n, 0) = 1代表上2阶的步数为0,也就是全部用1阶走完整个楼梯,只有一种走法;C(n - 1, 1) = n - 1代表2阶的步数为1,其余都用1阶的方式来走完,有n - 1种走法;依此类推,2阶的步数最多有 n / 2个,也就是C(n / 2, n / 2) = 1,只有1种走法;
- 对以上遍历结果求和,也就是res = C(n, 0) + C(n - 1, 1) + C(n - 2, 2) + ... + C(n / 2, n / 2),返回res。
解法四: 动态规划法,需要额外的线性空间来存储状态函数值:
- 选取状态函数:选取d(i) 为爬i阶楼梯的所有解的数目,n阶楼梯一共有n种状态,此题要求的是d(n);
- 状态转移方程:在面对有i阶楼梯的情况下,可以选择迈出1步,剩下i - 1阶也就是有d(i - 1)种可能 ;也可以选择迈出2步也就是有d(i - 2)种可能。两者之和即为i阶情况的解数目。即 d(i) = d(i - 1) + d(i - 2)
- 看方程,需要初始化前两个状态。我们这里取d(0) = 1(表示没有楼梯可爬,那只有不爬这一种可能),d(1) = 1。
- 遍历一次,d(n)即是此题的解。
解法五: 第一眼看到解法四的方程怎么感觉这么熟悉呢?没错这就是大名鼎鼎的菲波那契数列的递推公式。爬楼梯问题不一定见过,这个问题一定见过吧,毕竟小学课本上就有。思路如下:
2019/04/27 19:18