力扣746-使用最小花费爬楼梯(动态规划 Java版详细题解)

本文解析力扣746题,通过动态规划找出爬楼梯的最小花费路径。给出详细解题思路及Java代码实现。

力扣746-使用最小花费爬楼梯

一、原题题目

1.1 题目

  数组的每个索引作为一个阶梯,第 i个阶梯对应着一个非负数的体力花费值cost[i](索引从0开始)。每当你爬上一个阶梯你都要花费对应的体力花费值,然后你可以选择继续爬一个阶梯或者爬两个阶梯。您需要找到达到楼层顶部的最低花费。在开始时,你可以选择从索引为 0 或 1 的元素作为初始阶梯。

1.2 示例

  • 示例1:

    输入: cost = [10, 15, 20]

    输出: 15

    解释: 最低花费是从cost[1]开始,然后走两步即可到阶梯顶,一共花费15。

  • 示例2:

    输入: cost = [1, 100, 1, 1, 1, 100, 1, 1, 100, 1]

    输出: 6

    解释: 最低花费方式是从cost[0]开始,逐个经过那些1,跳过cost[3],一共花费6。

注意:

  1. cost 的长度将会在 [2, 1000]
  2. 每一个 cost[i] 将会是一个Integer类型,范围为 [0, 999]

来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/min-cost-climbing-stairs

二、解题思路(动态规划)

2.1 题目意思理解

  吐槽一下原题的题目表达太不清晰~。参考网友谈论彻底明白到底是表达的什么意思: 其实就是让我们要通过整个数组,cost[i] 表示通过该位置的过路费,交了过路费,你可以走一步,也可以走两步,目的是要彻底走完数组花费最少。可以从 cost[0]cost[1] 开始起步。

  明白题目意思后比较容易理解该题目也是一个动态规划的题目,几天前也碰到过一个动态规划的题目:力扣714-买卖股票的最佳时机含手续费,里面有简单介绍动态规划的内容。

  • 定义状态变量 cost[i] 为到达并跨过第 i 级台阶总的最小费用,直接利用原数组保存结果。

  • 找状态转移方程

    1.要到达第 i 级台阶可以有第 i-1 级台阶走一步到达,再交上这一级台阶的过路费跨过。总费用为 cost[i-1] + cost[i]。

    2.要到达第 i 级台阶也可以由第 i-2 级台阶走两步到达,在交上这一级台阶的过路费跨过。总费用为 cost[i-2] + cost[i]。

    应该去下面两种情况中的较小值

    cost[i] = Math.min(cost[i-1] + cost[i], cost[i-2] + cost[i])

  • 初始状态即只需要知道到达并跨过第 0 级台阶和到达并跨过第 1 级台阶总的最小费用即可,而到达第 0 和第 1 级台阶没有前面费用需要,所以只需要跨过费用即可,所以初始状态 cost[0] = cost[0],cost[1] = cost[1]。

2.2 详细代码(Java)

public class Solution {
    public int minCostClimbingStairs(int[] cost) {
        if (cost == null)   return 0;           // 输入异常判断
        if (cost.length == 1)   return cost[0]; // 只有一级台阶
        for (int i = 2;i<cost.length;i++){      // 动态规划更新总最小费用
            int cost1 = cost[i-1]+cost[i];      // 上一级台阶通过跨一步到达的
            int cost2 = cost[i-2]+cost[i];      // 上两级台阶通过跨两步到达的
            cost[i]=Math.min(cost1,cost2);      // 选最小的作为跨过这个台阶的总最小费用
        }
        // 跨过最后一个台阶走一步或倒数第二个台阶走两步都是完成全过程
        return Math.min(cost[cost.length-1],cost[cost.length-2]);
    }
}

2.3 算法执行结果

算法执行结果

三、总结分析

  又一道动态规划题,赶紧整理起来。

<think>好的,我现在需要帮助用户解决LeetCode爬楼梯问题的Java实现。首先,用户明确要求用Java,所以我要确保提供的代码示例是Java的。根据用户提供的引用,有几个不同的解决方案,包括递归、动态规划和迭代法。 首先,我要回忆一下爬楼梯问题的基本情况。题目是每次可以爬1或2个台阶,问到达n阶有多少种方法。这其实是一个斐波那契数列问题,因为到达第n阶的方法数等于到达n-1阶和n-2阶方法数的和。 用户提供的引用中有几个代码示例。引用2和3提到了递归方法,但指出递归效率低,因为会有大量重复计算,比如climbStairs(n)会重复计算climbStairs(n-1)和climbStairs(n-2)。引用4和5则给出了动态规划和迭代的方法,这两种方法的时间复杂度都是O(n),空间复杂度较低。 接下来,我需要分析各个方法的优缺点。递归虽然简单,但时间复杂度是指数级的,不适合大n。动态规划通过数组存储中间结果,空间复杂度O(n),但可以优化到O(1)使用滚动变量,如引用4中的迭代法。引用5中的动态规划使用数组,而引用4的迭代法只用三个变量,节省空间。 用户可能希望得到一个高效且易懂的解法,所以应该推荐动态规划或迭代法。同时,需要解释清楚思路,比如状态转移方程f(n) = f(n-1) + f(n-2),以及如何初始化。 还要注意边界条件,比如n=1或n=2的情况,避免数组越界。例如,在引用5中,数组初始化是f[0]=1和f[1]=1,这样循环从i=2开始计算到n。而引用4中处理n=1时直接返回1,循环从i=2开始。 另外,可能需要提到进一步优化的方法,比如矩阵快速幂或公式法,将时间复杂度降到O(log n)或O(1),但这些可能超出用户当前需求,可以作为扩展知识。 最后,确保代码示例正确无误,并且符合Java语法。比如引用4中的迭代法使用了三个变量first、second、third,并在循环中更新它们的值,最终返回third。引用5的动态规划本则使用数组存储每个阶梯的方法数。 总结步骤: 1. 介绍问题本质是斐波那契数列。 2. 分析递归方法的缺点。 3. 提供动态规划解法,解释空间优化。 4. 给出迭代法的代码,并解释变量滚动更新。 5. 讨论时间复杂度和空间复杂度。 6. 可能提到其他优化方法,但以主要解法为主。 需要确保回答结构清晰,分步骤说明,代码正确,并且引用正确的参考文献,比如引用4和5的动态规划和迭代法。同时,回答用户的问题时,要覆盖不同的实现方法,让用户可以根据需要选择。</think>### LeetCode 70. 爬楼梯 Java 解法详解 #### 问题分析 题目要求计算爬到第$n$阶楼梯的不同方法数,每次可以爬1或2个台阶。**这本质是斐波那契数列问题**,因为: - 到达第$n$阶的方法数 = 到达第$(n-1)$阶的方法数(最后一步爬1阶) + 到达第$(n-2)$阶的方法数(最后一步爬2阶) #### 方法一:递归(不推荐,仅用于理解) 递归方法直接根据定义实现,但存在重复计算,时间复杂度为$O(2^n)$,空间复杂度$O(n)$(栈深度): ```java class Solution { public int climbStairs(int n) { if (n == 1) return 1; if (n == 2) return 2; return climbStairs(n - 1) + climbStairs(n - 2); } } ``` **缺点**:输入较大时(如$n=45$)会超时[^2]。 --- #### 方法二:动态规划(推荐) 通过数组存储中间结果,时间复杂度$O(n)$,空间复杂度$O(n)$: ```java class Solution { public int climbStairs(int n) { if (n <= 1) return 1; int[] dp = new int[n + 1]; dp[0] = 1; dp[1] = 1; for (int i = 2; i <= n; i++) { dp[i] = dp[i - 1] + dp[i - 2]; } return dp[n]; } } ``` **优化**:用滚动变量代替数组,空间复杂度降为$O(1)$[^4]: ```java class Solution { public int climbStairs(int n) { if (n == 1) return 1; int first = 1, second = 1, third = 0; for (int i = 2; i <= n; i++) { third = first + second; first = second; second = third; } return third; } } ``` --- #### 复杂度对比 | 方法 | 时间复杂度 | 空间复杂度 | |------------|------------|------------| | 递归 | $O(2^n)$ | $O(n)$ | | 动态规划 | $O(n)$ | $O(n)$ | | 滚动变量 | $O(n)$ | $O(1)$ | --- #### 进阶方法(扩展知识) 1. **矩阵快速幂**:时间复杂度$O(\log n)$,利用矩阵乘法性质加速计算。 2. **斐波那契公式**:直接通过通项公式计算,时间复杂度$O(1)$,但涉及浮点数精度问题。 ---
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

ItDaChuang

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值