给你一个整数数组 cost ,其中 cost[i] 是从楼梯第 i 个台阶向上爬需要支付的费用。一旦你支付此费用,即可选择向上爬一个或者两个台阶。
你可以选择从下标为 0 或下标为 1 的台阶开始爬楼梯。
请你计算并返回达到楼梯顶部的最低花费。
示例 1:
输入:cost = [10,15,20]
输出:15
解释:你将从下标为 1 的台阶开始。
- 支付 15 ,向上爬两个台阶,到达楼梯顶部。
总花费为 15 。
示例 2:
输入:cost = [1,100,1,1,1,100,1,1,100,1]
输出:6
解释:你将从下标为 0 的台阶开始。
- 支付 1 ,向上爬两个台阶,到达下标为 2 的台阶。
- 支付 1 ,向上爬两个台阶,到达下标为 4 的台阶。
- 支付 1 ,向上爬两个台阶,到达下标为 6 的台阶。
- 支付 1 ,向上爬一个台阶,到达下标为 7 的台阶。
- 支付 1 ,向上爬两个台阶,到达下标为 9 的台阶。
- 支付 1 ,向上爬一个台阶,到达楼梯顶部。
总花费为 6 。
提示:
2 <= cost.length <= 1000
0 <= cost[i] <= 999
做算法题,一定要先理解题意,然后总结相关的逻辑,理解题意—总结逻辑规律
1、题目分析
先根据示例 1 来理解一下题目的意思.
可以看到, 此时一共有两个起始位置 0 ,1. 并且这三个位置都对应了一定的费用 10, 15 当我们选择从某个地方开始想要向上走就得支付当前位置的费用才可以向上一格或者两格.
当前这个示例就是从 1 位置处, 支付 15元, 并且一次走两步就到达了楼顶, 最终花费 15元.
为什么说是楼梯顶部在 2 位置下一处呢 ? 原因很简单, 如果在 2 位置处. 我选择从 0 位置支付 10 元直接跳一次两步到 2 位置处支付的费用最少为 10元. 但是用例给的是最低费用为 15元. 因此 3 下标处才是楼梯顶部.
这就意味着, 即使到达了数组的最后位置, 也需要支付当前这个位置的费用才可以到达楼顶.
再来看看示例 2
肯定是从 0 位置起始此时最便宜. 花 1 元选择从 0 位置开始后, 下一次有 1, 2 位置可以选, 此时选 2 位置最便宜. 接着花费 1 元从 2 位置开始有 3, 4 位置可以选. 两者费用一致下选择到 4 位置, 依次类推… 当到达 9 位置的时候, 此时已经花了 5元了, 但是还没有到达楼顶, 还需要支付 1 元向上一步到达楼顶. 因此一共是 6 元
2. 状态表示
以 i 位置为结尾. 表示从第 0 或 1 位置开始到达 i 后最终上到楼顶所需要的花费
定义一个一维数组 let dp = new Array(n + 1), 其中 dp[i] 即表示从 0 或 1 位置开始到达 i 位置后上顶楼所花费的最小值
3. 状态转移方程
根据我们前面的三步问题还有 N 哥泰波那契数所积攒的经验, 此时的状态方程可以根据最近的一步来划分问题.
可以看到, 当我们相求 dp[i] 也就是第 i 个位置时的最小花费, 它有两种可能
- 一种是从 i - 2 处花费对应钱走 2 步到达 i 位置
此时我们可以看这时候的话费为多少呢 ? 也就是到达 dp[i - 2]位置时的花费在加上 cost[i - 2] ( 也就是到达 i 位置后还需要话费当前位置的钱走一步到楼顶 ) - 另一种为 i - 1 处花费对应钱走 1 步到达 i 位置
此时我们可以看到这时候话费为 dp[i - 1] + cost[i - 1]
我们最终要计算的 dp[i] 有这两种方案, 那么那种最省钱 dp[i] 就是那种对应方案. 因此动态转移方为 :
dp[i] = Math.min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2] )
4. 初始化
初始化就是为了防止 dp 数组越界. 当我们想要计算 dp[1] 时就必须要知道 dp[0] 和 dp[-1] 以及 cost[0] 和 cost[-1] 的值. 显然这是越界了的. 需要我们单独进行处理.
从题目可以知道 dp[0] = 0, dp[1] = 0. 因为可以直接从 0 或 1 位置开始, 到达这两个位置并不需要花费
5. 填表顺序
想要知道 dp[i] 就需要先知道前面的 dp[i - 1] 和 dp[i - 2] 因此顺序是从左往右填表
6. 返回值
题目要求返回从 0 或 1 位置开始向上爬到 n 后上楼顶的最低花费, 因此返回值为 dp[n]
7. 代码演示
var minCostClimbingStairs = function (cost) {
let n = cost.length;
let dp = new Array(n)
dp[0] = dp[1] = 0
for (let i = 2; i <= n; i++) {
dp[i] = Math.min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2])
}
return dp[n]
};