台阶问题

题目描述

有N级的台阶,你一开始在底部,每次可以向上迈最多K级台阶(最少1级),问到达第N级台阶有多少种不同方式。

输入输出格式

输入格式:

输入文件的仅包含两个正整数N,K。

输出格式:

输入文件stair.out仅包括1个正整数,为不同方式数,由于答案可能很大,你需要输出mod 100003后的结果。

输入输出样例

输入样例#1: 复制
5 2
输出样例#1: 复制
8

说明

对于20%的数据,有N ≤ 10, K ≤ 3;

对于40%的数据,有N ≤ 1000;

对于100%的数据,有N ≤ 100000,K ≤ 100。

解法: 有点类似完全背包问题

#include<iostream>
using namespace std;
#define mod 100003
int dp[100000+10];
int main()
{
int n,k;
cin>>n>>k;
dp[0]=1;
for(int i=1;i<=n;i++)
{
for(int j=1;j<=k&&(i-j)>=0;j++)
{
dp[i]+=dp[i-j];
}
dp[i]=dp[i]%mod;
}
cout<<dp[n];
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` 级台阶楼梯,每次可以选择走 1 级或 2 级台阶,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` 级台阶走 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