跳台阶扩展问题

剑指offer的一道经典题目，难度简单。

描述

一只青蛙一次可以跳上1级台阶，也可以跳上2级……它也可以跳上n级。求该青蛙跳上一个n级的台阶(n为正整数)总共有多少种跳法。

数据范围：1≤n≤20
进阶：空间复杂度 O(1) ， 时间复杂度 O(1)

示例1

输入：

3

返回值：

4

示例2

输入：

1

返回值：

1

方法一：动态规划

知识点：动态规划

动态规划算法的基本思想是：将待求解的问题分解成若干个相互联系的子问题，先求解子问题，然后从这些子问题的解得到原问题的解；对于重复出现的子问题，只在第一次遇到的时候对它进行求解，并把答案保存起来，让以后再次遇到时直接引用答案，不必重新求解。动态规划算法将问题的解决方案视为一系列决策的结果。

思路：

我们借鉴斐波那契数列的思想。先初设第一级阶梯的跳法f(1)=1和第零级阶梯的跳法f(0)=0。而f(n)=f(n−1)+f(n−2)+...+f(n−(n−1))+f(n−n)=f(0)+f(1)+f(2)+...+f(n−1)。可以推出f(2)=2*f(1)，f(3)=2*f(2)……即f(n)=2∗f(n−1)

具体做法：

• 第一步：使用动态规划数组，下标i表示第i级台阶的方案数。
• 第二步：初始化前面两个，即0级一种，1级一种。
• 第三步：遍历后续，后一个是前一个的两倍。

Java实现代码：

public class Solution {
    public int jumpFloorII(int target) {
        int[] dp = new int[target + 1];
        //初始化前面两个
        dp[0] = 1; 
        dp[1] = 1;
        //依次乘2
        for(int i = 2; i <= target; i++) 
            dp[i] = 2 * dp[i - 1];
        return dp[target];
    }
}

复杂度分析：

• 时间复杂度：O(n)O(n)，其中nn为台阶数，一次遍历
• 空间复杂度：O(n)O(n)，辅助数组dp的长度为nn

方法二：递归

除了用动态规划，我们还可以用递归，因为f(n)=2∗f(n−1)，相当于找到子问题，其答案的两倍就是父问题的答案。

• 终止条件： 递归进入0或者1，可以直接得到方案数为1.
• 返回值： 将本级子问题得到的方案数的两倍返回给父问题。
• 本级任务： 进入台阶数减1的子问题。

具体做法：

• 第一步：若是number为1或者0，直接放回1种方案数。
• 第二步：其他情况返回子问题答案的2倍。

Java实现代码：

public class Solution {
    public int jumpFloorII(int target) {
        //1或0都是1种
        if(target <= 1) 
            return 1;
        //f(n) = 2*f(n-1)
        return 2 * jumpFloorII(target - 1); 
    }
}

复杂度分析：

• 时间复杂度：O(n)，递归公式为f(n)=f(n−1)+1
• 空间复杂度：O(n)，递归栈最大深度为n

方法三：数学规律

思路：

其实我们可以发现从第一个数1开始，后面每个数都是在前一个数的基础上乘2，而最开始的数字为1，所以f(n)=2^(n−1)

具体做法：

• 第一步：首先判断number是否小于等于1，如果是，直接得出答案。
• 第二步：计算f(n)=2n−1f(n)=2n−1。

Java实现代码：

import java.util.*;
public class Solution {
    public int jumpFloorII(int target) {
        if(target <= 1)
            return 1;
        //直接次方
        return (int)Math.pow(2, target - 1); 
    }
}

复杂度分析：

在这个`jumpFloorII`方法中，主要的操作是计算2的(target - 1)次方。这个操作依赖于Java内置的`Math.pow`函数。

`Math.pow`函数的时间复杂度取决于其实现，但通常来说，对于整数指数，它会使用一种快速幂算法（也称为二分幂或平方乘法），这种算法可以在O(log n)时间内完成，其中n是指数，在本例中就是`target - 1`。

因此，该方法`jumpFloorII`的时间复杂度可以认为是O(log(target - 1))，或者简化为O(log target)，因为对数函数的底数变化只会影响常数因子，而不影响渐近时间复杂度。

总结一下，`jumpFloorII`方法的时间复杂度是O(log target)。由于这里的操作主要是数学运算，并且不涉及循环或递归调用，所以空间复杂度是O(1)，即常数级别的空间复杂度。

可以看到同一道题的解法是多种多样的，不要局限于一种思路。我个人认为其实算法也是我们计算机的另一种八股文，做的越多思路肯定就越开阔。勤能补拙。