算法--爬楼梯
假设你正在爬楼梯。需要 n 阶你才能到达楼顶。
每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢?
注意:给定 n 是一个正整数。
示例 1:
输入: 2
输出: 2
解释: 有两种方法可以爬到楼顶。
1. 1 阶 + 1 阶
2. 2 阶
示例 2:
输入: 3
输出: 3
解释: 有三种方法可以爬到楼顶。
1. 1 阶 + 1 阶 + 1 阶
2. 1 阶 + 2 阶
3. 2 阶 + 1 阶
public class Solution {
public int JumpFloor(int target) {
if(target < 1){
return 0;
}
if(target ==1){
return 1;
}
if(target ==2){
return 2;
}
int[] dp = new int[target];
dp[0] = 1;
dp[1] = 2;
for(int i =2;i<target;i++){
dp[i] = dp[i-1]+dp[i-2];
}
return dp[target-1];
}
}
暴力法
在暴力法中,我们将会把所有可能爬的阶数进行组合,也就是 1 和 2 。而在每一步中我们都会继续调用 climbStairsclimbStairs 这个函数模拟爬 11 阶和 22 阶的情形,并返回两个函数的返回值之和。
climbStairs(i,n)=(i + 1, n) + climbStairs(i + 2, n)
climbStairs(i,n)=(i+1,n)+climbStairs(i+2,n)
其中 i 定义了当前阶数,而 n 定义了目标阶数。
public class Solution {
public int climbStairs(int n) {
climb_Stairs(0, n);
}
public int climb_Stairs(int i, int n) {
if (i > n) {
return 0;
}
if (i == n) {
return 1;
}
return climb_Stairs(i + 1, n) + climb_Stairs(i + 2, n);
}
}
时间复杂度:O(2^n),树形递归的大小为 2^n 。
动态规划
不难发现,这个问题可以被分解为一些包含最优子结构的子问题,即它的最优解可以从其子问题的最优解来有效地构建,我们可以使用动态规划来解决这一问题。
一种常见的动态规划***选择从结果开始倒推。假设到达第n级的方法数为n,那么我们反过来看看,第n级倒推一步的情况是什么呢?
有可能是从第n-1级上了一阶到第n级,也可能是从第n-2级上了两阶。
在到达第n-1级的所有办法的基础上,每种办法再上一阶即到。
或者在到达第n-2级的所有办法的基础上,每种办法一次再上2阶即到。
加起来就是到达第n级的所有办法。
(有人问如果从第n-2级上一阶再上一阶呢?那种方法其实属于从n-1级上一阶到第n级。)
因此,到第n-1级的办法数 + 到第n-2级的办法数 = 到第n级的办法数
第 i 阶可以由以下两种方法得到:
在第 (i-1) 阶后向上爬一阶。
在第 (i-2)阶后向上爬 2 阶。
所以到达第 ii 阶的方法总数就是到第 (i-1)阶和第 (i-2)阶的方法数之和。
令 dp[i] 表示能到达第 i 阶的方法总数:
dp[i]=dp[i-1]+dp[i-2]
public static int climbStairs(int n) {
if (n == 1) {
return 1;
}
int[] dp = new int[n + 1];
dp[1] = 1;
dp[2] = 2;
for (int i = 3; i <= n; i++) {
dp[i] = dp[i - 1] + dp[i - 2];
}
return dp[n];
}
斐波那契数
Fib(n)=Fib(n−1)+Fib(n−2)
现在我们必须找出以 11 和 22 作为第一项和第二项的斐波那契数列中的第 nn 个数,也就是说 Fib(1)=1Fib(1)=1 且 Fib(2)=2Fib(2)=2。
public class Solution {
public int climbStairs(int n) {
if (n == 1) {
return 1;
}
int first = 1;
int second = 2;
for (int i = 3; i <= n; i++) {
int third = first + second;
first = second;
second = third;
}
return second;
}
}