70. Climbing Stairs
You are climbing a stair case. It takes n steps to reach to the top.
Each time you can either climb 1 or 2 steps. In how many distinct ways can you climb to the top?
Note: Given n will be a positive integer.
题意
爬楼梯案例。需要n步能到达楼梯的尽头
每一个你可以选择爬1阶或者2阶楼梯。有多少种方案可以爬到顶端
给定的n是一个正整数
思路1
类似斐波那契数的解法
分析f[i]表示i个台阶有多少种爬的方式
f[1] = 1; f[2] = 2;
f[n] = f[n-1]+f[n-2]典型的递归结构
求n阶台阶需要知道爬n-1阶和n-2阶台阶,有多少种爬的方式。以此递推,不断向下查找。自顶向下
直到递归结束条件:n==1或n==2时
代码1
//算法复杂度:O(2^n)指数级
class Solution {
private:
int res;
//f(1)=1, f(2) = 2; f(n) = f(n-1)+f(n-2)
//统计走第i个楼梯有多少种可能
int calcStairs(int i)
{
if(i == 1)
return 1;
if(i == 2)
return 2;
res = calcStairs(i-1)+calcStairs(i-2);
return res;
}
public:
int climbStairs(int n) {
//n个台阶,范围是[0...n],总共有n+1个元素
vector<int> count(n+1,-1);
//类似于斐波那契数,解法1,自底向上,从子问题开始
res = calcStairs(n);
return res;
}
};
- 结果当然是超时
思路2
通过观察思路1,发现有大量的重复计算,即重叠的子问题。可以使用记忆化方式,减少进入递归的次数,通过查表的方式,直接获取结果。对于相同的台阶数,只计算一次。这样能极大的加快算法
代码2
class Solution {
private:
vector<int> count;
//f(1)=1, f(2) = 2; f(n) = f(n-1)+f(n-2)
//直接使用递归超时,未做任何优化
//统计走第i个楼梯有多少种可能
int calcStairs(int i)
{
if(i == 1)
return 1;
if(i == 2)
return 2;
if(count[i] == -1)
{
count[i] = calcStairs(i-1)+calcStairs(i-2);
}
return count[i];
}
public:
int climbStairs(int n) {
int res;
//n个台阶,范围是[0...n],总共有n+1个元素,来记忆n个台阶可走的可能
count = vector<int>(n+1,-1);
//类似于斐波那契数,解法1,自底向上,从子问题开始
res = calcStairs(n);
return res;
}
};
- 获得了一个AC
思路3
之前的思路都是自顶向下,递归的向下去寻找。通过分析发现,n个台阶可能的走法,实际上可以转换为一个子问题的求解,当子问题得到解,那么将子问题的解合起来,也就是整个问题的解。
这样的方法称之为动态规划,自底向上。
代码3
class Solution {
public:
int climbStairs(int n) {
//n个台阶,范围是[0...n],总共有n+1个元素
vector<int> count(n+1,-1);
//类似于斐波那契数,解法1,自底向上,从子问题开始
count[1] = 1;
count[2] = 2;
for(int j=3;j<=n;j++)
{
count[j] = count[j-1]+count[j-2];
}
return count[n];
}
};
- 这样的代码比起思路1和2简洁了很多。通过求解子问题来达到全局解
总结
- 动态规划:将原问题拆解成若干子问题,同时保存子问题的答案,使得每个子问题只求解一次,最终获得原问题的答案。