Leetcode 题目解析:70. 爬楼梯
系列文章:
Leetcode 题目解析:211. 添加与搜索单词 - 数据结构设计
一 摘要
在前面算法题目解析:从一道题目看动态规划这篇文章中,描述了动态规划的概念、原理和典型示例,今天用几道典型的动态规划题目来做为练手,达到掌握的目的。70. 爬楼梯是一道简单题,但比较典型,先从它开始。
二 题目描述与示例
2.1 描述
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。
2.2 示例
三 解析
3.1 题目解析
题目比较清晰,要爬 n 阶楼梯,每次可选向上 1/2 个台阶,计算所有可能。如果我们从最后一次的选择倒推,f(n)表示到达第 n 个台阶的可能方法数,那么就可以很容易得到 f(n) = f(n-1)+f(n-2)。
3.2 解法思路
3.2.1 动态规划
我们先再回顾一下动态规划算法:动态规划算法通常基于一个递推公式(状态转移方程)和一个或多个初始状态。当前子问题的解将由上一次子问题的解推导而出。很显然,题目符合这个特征。因此可以使用动态规划的方法。
3.2.2 准备条件
在使用动态规划算法解题时,需要我们给出两个内容:(1)状态转移方程,(2)明确边界条件。
(1)比较容易,f(n) = f(n-1)+f(n-2)就是我们这个场景的状态转移方程;
(2)边界条件,因为状态转移方程需要先知道 f(n-1)和 f(n-2),所以说递推的计算只能从 f(2)开始,并初始化 f(0)和 f(1)的值。f(0)和 f(1)就是这道题目的边界。我们是从 0 阶开始向上爬,爬到第 0 层,可以看做只有一种方法;从第 0 阶到第 1 阶也只有一种方法(即只爬 1 个台阶),故 f(1)=1。
3.2.3 实现方法
有了状态转移方程和边界条件,我们就可以向下推最终结果。比较容易想到的是,从 2 到 n 执行遍历,逐个计算 f(i)并存储结果,直到计算到 f(n)为止。一次遍历,存储 n 个中间和最终结果,所以时间复杂度和空间复杂度都是 O(n)。
时间复杂度在当前方法下不太容易优化,但空间是否可行呢?因为每次计算时,f(i)只依赖前面两个值,所以如果我们采用滚动数组的方式,就可以把空间复杂度降低到 O(1)。如果滚动数组不好理解,也可以简单地定义 n_1 和 n_2 两个变量,每计算一次后,更新 n_1=f(i),n_2=f(i-1),下次就可以用这两个值计算 f(i+1)了。
3.3 代码实现
版权声明: 本文为 InfoQ 作者【程序员架构进阶】的原创文章。
原文链接:【http://xie.infoq.cn/article/87000d69f64cd236caf4ade32】。文章转载请联系作者。
评论