LeetCode 70. Climbing Stairs 自顶向下记忆化搜索,自底向上重叠子问题动态规划
来源:互联网 发布:香掌柜沉香淘宝 编辑:程序博客网 时间:2024/06/16 18:08
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。
阅读全文
0 0
- LeetCode 70. Climbing Stairs 自顶向下记忆化搜索,自底向上重叠子问题动态规划
- LeetCode 70. Climbing Stairs 动态规划问题
- C++数据结构--自顶向下和自底向上的动态编程思想
- 红黑树 自底向上和自顶向下插入, 自顶向下删除
- 语法分析:自顶向下 vs 自底向上
- 归并排序—自底向上和自顶向下
- python实现自顶向下,自底向上
- python实现自顶向下,自底向上
- 归并排序,自顶向下,自底向上
- 自顶向下测试和自底向上测试
- 归并排序-自顶向下/自底向上
- 伸展树 自底向上 自顶向下
- 何谓"自顶向下",何谓"自底向上"
- 自顶向下和自底向上测试的优缺点
- 自顶向下以及自底向上排序
- 增量测试:自顶向下测试&自底向上测试
- 自顶向下 与自底向上解决01 背包问题
- 动态规划中的钢条切割的介绍与理解(自顶向下递归和自底向上递归四种包含C源代码)
- Html 基础总结
- iOS编程基础-Swift(二)-函数
- javaweb 23
- java.sql.SQLException: connection holder is null
- CentOS下修改root用户名
- LeetCode 70. Climbing Stairs 自顶向下记忆化搜索,自底向上重叠子问题动态规划
- 汇编学习笔记 第六章
- mysql 分库分表的问题
- 判断某个对象是否是某个类型的实例
- 深入了解 Python 字符串对象的实现
- 八大排序算法
- jQuery实现发送短信验证码后60秒倒计时
- C语言实现单链表面试题(基础篇)
- Kali 2017.1 安装完成后的一些工作