【力扣 - 爬楼梯】

题目描述

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?
在这里插入图片描述

方法一:动态规划

思路和算法

我们用 f(x) 表示爬到第 x 级台阶的方案数,考虑最后一步可能跨了一级台阶,也可能跨了两级台阶,所以我们可以列出如下式子:

f(x)=f(x−1)+f(x−2)

它意味着爬到第 x 级台阶的方案数是爬到第 x−1 级台阶的方案数和爬到第 x−2 级台阶的方案数的和。很好理解,因为每次只能爬 1 级或 2 级,所以 f(x)只能从 f(x−1)f(x−2) 转移过来,而这里要统计方案总数,我们就需要对这两项的贡献求和。

以上是动态规划的转移方程,下面我们来讨论边界条件。我们是从第 0 级开始爬的,所以从第 0 级爬到第 0 级我们可以看作只有一种方案,即 f(0)=1;从第 0 级到第 1 级也只有一种方案,即爬一级,f(1)=1。这两个作为边界条件就可以继续向后推导出第 n 级的正确结果。我们不妨写几项来验证一下,根据转移方程得到 f(2)=2f(3)=3f(4)=5,……,我们把这些情况都枚举出来,发现计算的结果是正确的。

我们不难通过转移方程和边界条件给出一个时间复杂度和空间复杂度都是 O(n) 的实现,但是由于这里的 f(x) 只和 f(x−1)f(x−2) 有关,所以我们可以用「滚动数组思想」把空间复杂度优化成 O(1)
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

代码

int climbStairs(int n) {// Initialize three variables to keep track of the number of ways to climb stairsint p = 0, q = 0, r = 1;// Loop from 1 to n to calculate the number of ways to climb n stairsfor (int i = 1; i <= n; ++i) {// Update p to the previous value of qp = q;// Update q to the previous value of rq = r;// Update r to the sum of p and q, representing the total ways to climb i stairsr = p + q;}// Return the total number of ways to climb n stairsreturn r;
}

复杂度分析

  • 时间复杂度:循环执行 n 次,每次花费常数的时间代价,故渐进时间复杂度为 O(n)
  • 空间复杂度:这里只用了常数个变量作为辅助空间,故渐进空间复杂度为 O(1)

方法二:矩阵快速幂

思路

以上的方法适用于 n 比较小的情况,在 n 变大之后,O(n) 的时间复杂度会让这个算法看起来有些捉襟见肘。我们可以用「矩阵快速幂」的方法来优化这个过程。
在这里插入图片描述
在这里插入图片描述

代码

// Define a struct to represent a 2x2 matrix
struct Matrix {long long mat[2][2];
};// Function to multiply two matrices
struct Matrix multiply(struct Matrix a, struct Matrix b) {struct Matrix c;for (int i = 0; i < 2; i++) {for (int j = 0; j < 2; j++) {// Calculate the elements of the resulting matrix by multiplying and summingc.mat[i][j] = a.mat[i][0] * b.mat[0][j] + a.mat[i][1] * b.mat[1][j];}}return c;
}// Function to calculate the n-th power of a matrix using binary exponentiation
struct Matrix matrixPow(struct Matrix a, int n) {struct Matrix ret;// Initialize the result matrix with identity valuesret.mat[0][0] = ret.mat[1][1] = 1;ret.mat[0][1] = ret.mat[1][0] = 0;while (n > 0) {if ((n & 1) == 1) {// If the current power is odd, multiply the result by the base matrixret = multiply(ret, a);}n >>= 1; // Right shift to divide the power by 2a = multiply(a, a); // Square the base matrix}return ret;
}// Function to calculate the number of ways to climb n stairs
int climbStairs(int n) {struct Matrix ret;// Initialize the matrix with specific values for the climbing stairs problemret.mat[1][1] = 0;ret.mat[0][0] = ret.mat[0][1] = ret.mat[1][0] = 1;// Calculate the n-th power of the matrix to get the resultstruct Matrix res = matrixPow(ret, n);return res.mat[0][0]; // Return the number of ways to climb n stairs
}

复杂度分析

  • 时间复杂度:同快速幂,O(log ⁡n)
  • 空间复杂度:O(1)

方法三:通项公式

思路

在这里插入图片描述

代码

// Function to calculate the number of ways to climb n stairs
int climbStairs(int n) {// Calculate the square root of 5double sqrt5 = sqrt(5);// Calculate the n-th Fibonacci number using Binet's formuladouble fibn = pow((1 + sqrt5) / 2, n + 1) - pow((1 - sqrt5) / 2, n + 1);// Divide the Fibonacci number by the square root of 5 and round it to the nearest integerreturn (int) round(fibn / sqrt5);
}

总结

在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/705169.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

LeetCode_Java_转变日期格式、种花问题(题目+思路+代码)

目录 1507. 转变日期格式 605.种花问题 1507. 转变日期格式 给你一个字符串 date &#xff0c;它的格式为 Day Month Year &#xff0c;其中&#xff1a; Day 是集合 {"1st", "2nd", "3rd", "4th", ..., "30th", "3…

Qt篇——QTableWidget保存表格数据到Excel文件中

代码如下&#xff1a; &#xff08;pro文件中添加QT axcontainer&#xff09; #include <QAxObject>void MainWindow::saveTableToExcel() {QDateTime current_date_time QDateTime::currentDateTime();QString excelName "data_" current_date_time.toSt…

Mysql 高可用解决方案

1.环境说明 操作系统&#xff1a;centos7.7 主服务器&#xff1a;node2(192.168.1.102) 从服务器&#xff1a;node3(192.168.1.103) keepalived中虚拟ip(VIP):192.168.1.100 2.准备事项 主库和从库数据库的版本一致把主库的数据同步给从库一份 3.主库配置 3.1 编辑MySQL配…

ETL是什么

一、ETL概念 ETL&#xff0c;是英文Extract-Transform-Load的缩写&#xff0c;用来描述将数据从来源端经过抽取&#xff08;extract&#xff09;、转换&#xff08;transform&#xff09;、加载&#xff08;load&#xff09;至目的端的过程。ETL一词较常用在数据仓库&#xff…

2024.2.26 训练记录(1)

每天的题目总结在一起&#xff0c;睡觉之前一定要再看一遍复习一下思路尽快恢复状态&#xff0c;计划是先把前几场没补的牛客补一下&#xff0c;然后开始刷洛谷 文章目录 牛客 寒假集训4F 来点每日一题牛客 寒假集训4H 数三角形&#xff08;hard&#xff09;牛客 寒假集训4K 方…

Gemma谷歌(google)开源大模型微调实战(fintune gemma-2b)

Gemma-SFT Gemma-SFT(谷歌, Google), gemma-2b/gemma-7b微调(transformers)/LORA(peft)/推理 项目地址 https://github.com/yongzhuo/gemma-sft全部weights要用fp32/tf32, 使用fp16微调十几或几十的步数后大概率lossnan;(即便layer-norm是fp32也不行, LLaMA就没有这个问题, …

2024程序员容器化上云之旅-第2集-Ubuntu-WSL2-Windows11版:接近深洞

故事梗概 Java程序员马意浓在互联网公司维护老旧电商后台系统。 渴望学习新技术的他在工作中无缘Docker。 他开始自学Vue3并使用SpringBoot3完成了一个前后端分离的Web应用系统&#xff0c;并打算将其用Docker容器化后用K8s上云。 3 挑选工具 马意浓画好架构图后&#xff…

PHP 函数四

一 fgets(resource $stream, ?int $length null) 从文件指针中读取一行。 返回字符串&#xff0c;如果文件指针中没有更多的数据了则返回 false。错误发生时返回 false。 $stream 为文件资源&#xff0c;必须指向fopen()或fscokopen()成功打开的文件。文件打开之后&#x…

Java类加载过程及双亲委派原则

Java类加载过程&#xff1a; 加载&#xff08;Loading&#xff09;&#xff1a;当Java程序运行时&#xff0c;需要使用某个类时&#xff0c;Java虚拟机&#xff08;JVM&#xff09;会尝试加载这个类。加载的过程包括通过类的全限定名&#xff08;Fully Qualified Name&#xff…

安防视频监控平台EasyNVR级联视频上云管理平台EasyNVS,出现报错“i/o deadline reached”该如何解决?

上云网关管理平台EasyNVS视频综合管理系统具备汇聚与管理EasyGBS、EasyNVR等平台的能力&#xff0c;系统可以将接入的视频资源实现视频能力统一输出&#xff0c;并能进行远程可视化运维等管理功能&#xff0c;还能解决设备现场没有固定公网IP却需要在公网直播的需求。 有用户反…

SwiftUI中Toggle与Slider的使用

在SwiftUI中&#xff0c;Toggle和Slider是两个常用的UI控件&#xff0c;可以用来添加开关和滑块功能。 Toggle() Toggle控件用于在打开和关闭之间切换。可以使用Toggle来创建一个简单的开关&#xff0c;代码如下&#xff1a; State private var isOn falsevar body: some V…

牛客前端八股文

1.说说HTML语义化&#xff1f; 得分点&#xff1a;语义化标签、利于页面内容结构化、利于无CSS页面可读、利于SEO、利于代码可读 1&#xff0c;标签语义化是指在开发时尽可能使用有语义的标签&#xff0c;比如header&#xff0c;footer&#xff0c;h&#xff0c;p&#xff0c…

嵌入式系统在物联网中的应用与发展趋势

嵌入式系统在物联网中的应用与发展趋势 应用领域 智能家居 嵌入式系统在物联网中的应用领域之一是智能家居。通过嵌入式系统&#xff0c;智能家居可以实现远程控制、自动化管理和智能化交互&#xff0c;包括智能灯光控制、智能家电控制、智能安防系统等。 智能交通 另一个…

深圳市萨科微半导体有限公司

深圳市萨科微&#xff08;www.slkoric.com&#xff09;半导体有限公司一直研究新材料新工艺&#xff0c;不断推出新产品&#xff0c;驱动公司不断发展。最近萨科微slkor推出SL40T120FL系列IGBT单管&#xff0c;和CMOS运算放大器SLA333等产品&#xff0c;为新能源汽车、太阳能光…

密码学——离散对数

引言 离散对数 Discrete logarithm 是一种基于同余和原根的对数运算。如 l o g b a logb^a logb

汽车资讯|汽车资讯网站|基于Springboot的汽车资讯网站设计与实现(源码+数据库+文档)

汽车资讯网站目录 目录 基于Springboot的汽车资讯网站设计与实现 一、前言 二、系统功能设计 三、系统实现 1、管理员模块的实现 &#xff08;1&#xff09;用户信息管理 &#xff08;2&#xff09;汽车品牌管理 &#xff08;3&#xff09;经销商信息管理 &#xff08…

大语言模型推理加速技术:模型压缩篇

原文&#xff1a;大语言模型推理加速技术&#xff1a;模型压缩篇 - 知乎 目录 简介 量化(Quantization) LLM.int8() GPTQ SmoothQuant AWQ 精简Attention 共享Attention参数 Multi-Query Attention Grouped-Query Attention 稀疏Attention Sliding Window Attenti…

Win10的Office中没有Mathtype

最近将Win10的Office更新到2021版本后&#xff0c;打开word后发现工具栏的Mathtype没有了&#xff0c;但是其他选项卡还在&#xff0c;上网搜索之后&#xff0c;发现原因在于Office 2021的Mathtype选项卡打开路径文件没有更新……。 所以我们需要将mathtype对应文件复制到新的…

怎样用眼精星将护照识别成结构化数据,并批量导出为Excel?

随着科技的不断发展&#xff0c;我们的生活和工作变得越来越便利。其中&#xff0c;眼精星票证识别系统作为一种高效的信息提取工具&#xff0c;在许多领域都得到了广泛应用。将护照信息快速准确地提取并整理成excel格式&#xff0c;对于许多行业来说都是非常有用的。那么&…

回归预测 | Matlab实现PSO-BiLSTM-Attention粒子群算法优化双向长短期记忆神经网络融合注意力机制多变量回归预测

回归预测 | Matlab实现PSO-BiLSTM-Attention粒子群算法优化双向长短期记忆神经网络融合注意力机制多变量回归预测 目录 回归预测 | Matlab实现PSO-BiLSTM-Attention粒子群算法优化双向长短期记忆神经网络融合注意力机制多变量回归预测预测效果基本描述程序设计参考资料 预测效果…