这个题目本身就比较难理解,弄懂题目之后还是比较简单的一个题目:
这个题是力扣70题爬楼梯的进阶,考虑了爬楼的的花费。我们可以从两个角度来解决这个题:一是开始的台阶不花费,最后一个台阶需要花费。二是开始的台阶需要花费,最后一个台阶不需要花费。
我是从第二个角度来解决这个问题的。首先,你可以站在下表为0或下表为1的台阶开始爬楼梯,我们可以看作是先从地面到第0个台阶或者第一个台阶,第一步是需要花费的。以cost=[10,15,20]为例,我一开始从0台阶爬楼梯那么花费就是10,这里要注意,开始的台阶也花费,或者从1台阶开始爬楼梯那么花费就是15。我们动态规划需要一个dp数组来存储到达台阶的花费,那么初始化就是dp[0] = cost[0],dp[1] = cost[1]。如果要爬到顶部,那么从0台阶开始,0台阶就占了第一步,因为我们可以爬一步或者两步,所以此时我们只能是在0台阶或着1台阶,爬到顶部还需要在爬一步。如果我们从1台阶开始,1台阶就占了一步,我们直接爬两步就到了顶部。
我们可以这么考虑,我从1开始,我就需要花费1的代价,也就是15,我花完这15之后我就可以往上走1步或者2步。所以,我们从1开始,只需要花费15,网上走两步,1是1步,2是第二步,就到达了顶部。
简而言之就是:开始花费,最后就不用花费;开始没花费,最后就需要花费。
花费了当前台阶的费用,才有资格往上走一步或者两步,且到达后,不用再走就不需要花费
class Solution(object):
def minCostClimbingStairs(self, cost):
"""
:type cost: List[int]
:rtype: int
"""
# 1.dp
n = len(cost)
dp = [0 for i in range(n)]
dp[0] = cost[0]
dp[1] = cost[1]
for i in range(2, n):
dp[i] = min(dp[i-1], dp[i-2]) + cost[i]
return min(dp[n-1],dp[n-2])
class Solution(object):
def minCostClimbingStairs(self, cost):
"""
:type cost: List[int]
:rtype: int
"""
# 2.dp+滚动数组
n = len(cost)
dp0 = cost[0]
dp1 = cost[1]
for i in range(2, n):
dpi = min(dp0, dp1) + cost[i]
dp0 = dp1
dp1 = dpi
return min(dp0, dp1)