台阶问题2

台阶问题2

        在前几篇博客中提到的台阶问题中,虽然能够解决较小数量的台阶,但当台阶数量达到较大时,系统运算则容易超时以VS2010的编译器为例,当n==40以上时release版都要用较长时间算出,这是不可取的。下面是解决这个问题的一种方法。

        显然问题的解包含子问题的解,即n个台阶的走法是由分别为n-1,n-2,n-3个台阶基础上完成,在“台阶问题1”中用递归完成计算,当然这次也用到递归,但用到了记忆的方法。我们知道,return fun(n - 1) + fun(n - 2) + fun(n - 3);这个表达式在每个函数中都会运行一次,这样将会出现无数多个重复的计算,假设把第n - m个台阶的走法记忆下来,那么就能避免重复的计算。

        定义一个数组m[100],设m[n - 1]为第n个台阶的走法。先将m数组批量处理设为0,递归调用函数fun(int n),当n为0时说明出现了一种解法,m[n - 1]设为1然后返回,当m[n - 1]不为0时说明这个数量的台阶问题已解决,返回m[n - 1],其他则执行m[n - 1] = fun(n - 1) + fun(n - 2) + fun(n - 3);

#include <stdio.h>
#include <stdlib.h>
#include <time.h>

#define MAX 100
long long m[MAX] = {0};


long long fun(int n)
{
    
    if(n - 1 > -1 && m[n - 1] != 0)
    {
           return m[n - 1];
    }
    
    if(n < 1)
    {
         if(n == 0)
              return 1;
         else 
              return 0;
    }
    
    m[n - 1] = fun(n - 1) + fun(n - 2) + fun(n - 3);
    return m[n - 1];
}


int main()
{
    
    freopen("input.txt", "r", stdin);
    freopen("out.txt", "w", stdout);
    int n;
    scanf("%d", &n);
      
    memset(m, 0, sizeof(int) * MAX);
    fun(n);
    int i = 0;
    for(i = 0; i < n; i++)
    {
          printf("%lld\n", m[i]);
    }

   printf("\n%lf\n", (double)clock() / CLOCKS_PER_SEC);
  
    return 0;
}






### 动态规划在台阶问题中的应用 动态规划是一种通过分解子问题来解决复杂问题的方法[^1]。台阶问题通常可以通过动态规划的思想进行求解,其核心在于将问题分解为更小的子问题,并通过递推关系找到最终解。 #### 问题描述 台阶问题通常可以描述为:给定一个有 `n` 级台阶的楼梯,每次可以选择走 1 级或 2台阶,问有多少种不同的方式可以走到第 `n` 级台阶。 #### 解题思路 为了计算到达第 `n` 级台阶的不同方式,可以定义一个数组 `dp`,其中 `dp[i]` 表示到达第 `i` 级台阶的不同方法数。根据题目条件,可以得出以下递推关系: - 如果从第 `i-1` 级台阶走 1 步到达第 `i` 级台阶,则有 `dp[i-1]` 种方法。 - 如果从第 `i-2` 级台阶2 步到达第 `i` 级台阶,则有 `dp[i-2]` 种方法。 因此,递推公式为: ```plaintext dp[i] = dp[i-1] + dp[i-2] ``` 边界条件为: - 当 `n=0` 或 `n=1` 时,只有一种方法到达目标台阶,即 `dp[0] = 1` 和 `dp[1] = 1`。 #### 实现代码 以下是基于动态规划思想的 Python 实现代码: ```python def climb_stairs(n): if n == 0 or n == 1: return 1 dp = [0] * (n + 1) dp[0], dp[1] = 1, 1 for i in range(2, n + 1): dp[i] = dp[i - 1] + dp[i - 2] return dp[n] # 示例调用 n = 5 print(f"共有 {climb_stairs(n)} 种方法到达第 {n} 级台阶") ``` 上述代码中,`dp` 数组用于存储到达每一级台阶的方法数,最终返回 `dp[n]` 即为到达第 `n` 级台阶的所有可能方法数。 #### 优化空间复杂度 由于递推公式仅依赖于前两个状态,因此可以通过两个变量代替整个数组,从而将空间复杂度降低到 O(1)。 ```python def climb_stairs_optimized(n): if n == 0 or n == 1: return 1 prev1, prev2 = 1, 1 for i in range(2, n + 1): current = prev1 + prev2 prev2 = prev1 prev1 = current return prev1 # 示例调用 n = 5 print(f"共有 {climb_stairs_optimized(n)} 种方法到达第 {n} 级台阶") ``` #### 总结 通过动态规划的方法,台阶问题可以被高效地解决。这种方法不仅适用于简单的台阶问题,还可以扩展到更多复杂的场景,例如允许每次走多步台阶或增加额外约束条件[^1]。
评论
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
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