[LeetCode 解題紀錄] 70. Climbing Stairs
70. Climbing Stairs
https://leetcode.com/problems/climbing-stairs/
Problem:
You are climbing a staircase. It takes n
steps to reach the top.
Each time you can either climb 1
or 2
steps. In how many distinct ways can you climb to the top?
Example 1:
Input: n = 2
Output: 2
Explanation: There are two ways to climb to the top.
1. 1 step + 1 step
2. 2 steps
Example 2:
Input: n = 3
Output: 3
Explanation: There are three ways to climb to the top.
1. 1 step + 1 step + 1 step
2. 1 step + 2 steps
3. 2 steps + 1 step
Constraints:
1 <= n <= 45
題意
每次爬樓梯可以爬一階或是二階,找出爬到頂端總共有幾種組合方法。
例如:2 階的樓梯,有兩種方法可以爬到頂端。
- 1 階 + 1 階
- 2 階
問題解析
這題是在練習解 leetcode 題目的經典遞迴問題之一,也是很適合拿來練習 Dynamic Programming 的基本題目之一。這題題目給予你基本的情境,想找出從這個基本情境不段重複之後,最後的解答,因此不論要用遞迴或是動態規劃,都必須要先將這個問題的「子問題」找出來。
先列出幾回合來找規律:
n = 1, output = 1 種
1 step
n = 2, output = 2 種
1 step + 1 step
2 step
n = 3, output = 3 種
1 step + 1 step + 1 step
1 step + 2 step
2 step + 1 step
n = 4, output = 5 種
1 step + 1 step + 1 step + 1 step
1 step + 1 step + 2 step
2 step + 2 step
1 step + 2 step + 1 step
2 step + 1 step + 1 step
從 output 的值,我們可以觀察到規律,找出他其實就是一個費式數列:
解法
遞迴
我們可以直接用費式數列的概念,直觀地把遞迴的方法寫出來,但這種方式其實是效率不高的方法,因為它會重複計算很多次相同的子問題。
function climbStairs(n) {
if (n <= 2) {
return n;
}
return climbStairs(n - 1) + climbStairs(n - 2);
}
Dynamic programming 動態規劃
由於我們已經找出了子問題,而遞迴的方法又重複計算很多次相同的子問題,這時候使用動態規劃就是一個比較理想的做法,因為動態規劃可以將子問題的結果存起來,用查找的方式來避免重複計算。
Dynamic programming 概念複習:
我們透過使用一個陣列,來記錄所有子問題的答案,當第 N 回合需要使用前面兩回合的值,只需要直接陣列取值就好。
function climbStairs(n) {
if (n <= 2) {
return n;
}
let dp = new Array(n + 1);
dp[1] = 1;
dp[2] = 2;
for (let i = 3; i <= n; i++) {
dp[i] = dp[i - 1] + dp[i - 2];
}
return dp[n];
}
- 時間複雜度:O(n)
- 空間複雜度:O(n)
而看到這裡,其實可以發現這題當我們到了第 N 回合的時候,只需要前兩回合的值就可以了,我們其實可以只記錄前兩個值,重複利用來降低空間複雜度。
function climbStairs(n) {
if (n <= 2) {
return n;
}
let a = 1, b = 2;
for (let i = 3; i <= n; i++) {
let temp = a + b;
a = b;
b = temp;
}
return b;
}
- 時間複雜度:O(n)
- 空間複雜度:O(1)