【算法】动态规划-爬楼梯问题
题目
数组的每个索引作为一个阶梯,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 1:
输入: cost = [10, 15, 20]
输出: 15
解释: 最低花费是从cost[1]开始,然后走两步即可到阶梯顶,一共花费15。
示例 2:
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。
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/min-cost-climbing-stairs
解题
题目要求的是到达第n级台阶楼层顶部的最小花费,可以用动态规划来解,下面一步一步来讲怎样确定状态空间、怎样给出状态转移方程。
理解题意需要注意两点:
第i级台阶是第i-1级台阶的阶梯顶部。
踏上第i级台阶花费cost[i],直接迈一大步跨过而不踏上去则不用花费。
解法一:
到达第i级台阶的阶梯顶部的最小花费,有两个选择:
先付出最小总花费minCost[i-1]到达第i级台阶(即第i-1级台阶的阶梯顶部),踏上第i级台阶需要再花费cost[i],再迈一步到达第i级台阶的阶梯顶部,最小总花费为minCost[i-1] + cost[i]);
先付出最小总花费minCost[i-2]到达第i-1级台阶(即第i-2级台阶的阶梯顶部),踏上第i-1级台阶需要再花费cost[i-1],再迈两步跨过第i级台阶直接到达第i级台阶的阶梯顶部,最小总花费为minCost[i-2] + cost[i-1]);
则minCost[i]是上面这两个最小总花费中的最小值。
minCost[i] = min(minCost[i-1] + cost[i], minCost[i-2] + cost[i-1])。
台阶的数组从0开始计数。可以用-1代表地面,并设cost[-1] = 0。
最小总花费的初始值为:
第0级台阶: minCost[0] = min(cost[-1], cost[0]) = min(0, cost[0]) = 0,
第1级台阶: minCost[1] = min(cost[0], cost[1])。
动态递归代码如下:
class Solution {
public int minCostClimbingStairs(int[] cost) {
int size = cost.length;
int[] minCost = new int[size];
minCost[0] = 0;
minCost[1] = Math.min(cost[0], cost[1]);
for (int i = 2; i < size; i++) {
minCost[i] = Math.min(minCost[i - 1] + cost[i], minCost[i - 2] + cost[i - 1]);
}
return minCost[size - 1];
}
}
上面的代码在空间利用上可以再优化一下。只用两个变量保存状态转移方程中前面的两个记录,并不断更新,就可以递推下去,这样空间复杂度就由O(N)变为O(1)了。
代码如下:
class Solution {
public int minCostClimbingStairs(int[] cost) {
int minCost0 = 0;
int minCost1 = Math.min(cost[0], cost[1]);
int minCost = 0;
for (int i = 2; i < cost.length; i++) {
minCost = Math.min(minCost1 + cost[i], minCost0 + cost[i - 1]);
minCost0 = minCost1;
minCost1 = minCost;
}
return minCost;
}
};
链接:https://leetcode-cn.com/problems/min-cost-climbing-stairs/solution/yi-bu-yi-bu-tui-dao-dong-tai-gui-hua-de-duo-chong-/
来源:力扣(LeetCode)