爬楼梯

    有一对兄弟,他们的家住在80层楼上。有一天他们外出旅行回家,发现大楼停电了!虽然他们背着大包的行李,但看来没有什么别的选择,于是哥哥对弟弟说,我们就爬楼梯上去!于是,他们背着两大包行李开始爬楼梯。爬到20楼的时候他们开始累了,哥哥说“包包太重了,不如这样吧,我们把包包放在这里,等来电后坐电梯来拿。”于是,他们把行李放在了20楼,轻松多了,继续向上爬。
他们有说有笑地往上爬,但是好景不长,到了40楼,两人实在累了。想到还只爬了一半,两人开始互相埋怨,指责对方不注意大楼的停电公告,才会落得如此下场。他们边吵边爬,就这样一路爬到了60楼。到了60楼,他们累得连吵架的力气也没有了。弟弟对哥哥说,“我们不要吵了,爬完它吧。”于是他们默默地继续爬楼,终于80楼到了!兴奋地来到家门口兄弟俩才发现他们的钥匙留在了20楼的包包里了……

  有人说,这个故事其实就是反映了我们的人生:20岁之前,我们活在家人、老师的期望之下,背负着很多的压力、包袱,自己也不够成熟、能力不足,因此步履难免不稳。20岁之后,离开了众人的压力,卸下了包袱,开始全力以赴地追求自己的梦想,就这样愉快地过了20年。可是到了40岁,发现青春已逝,不免产生许多的遗憾和追悔,于是开始遗憾这个、惋惜那个、抱怨这个、嫉恨那个……就这样在抱怨中度过了20年。到了60岁,发现人生已所剩不多,于是告诉自己不要在抱怨了,就珍惜剩下的日子吧!于是默默地走完了自己的余年。到了生命的尽头,才想起自己好象有什么事情没有完成……原来,我们所有的梦想都留在了20岁的青春岁月,还没有来得及完成……

爬楼梯问题是一个经典的算法问题,涉及多种算法思想和优化技巧。以下是几种使用 C++ 解决爬楼梯问题的方法: ### 暴力搜索 暴力搜索是最直接的方法,通过递归的方式列举出所有可能的爬楼梯方式。但这种方法的时间复杂度较高,会有大量的重复计算。 ```cpp #include <iostream> int climbStairsWithRecursive(int n) { if (n == 1) return 1; if (n == 2) return 2; return climbStairsWithRecursive(n - 1) + climbStairsWithRecursive(n - 2); } int main() { std::cout << "请输入楼梯阶数:" << std::endl; int n; std::cin >> n; int m = climbStairsWithRecursive(n); std::cout << m << std::endl; return 0; } ``` ### 记忆化搜索 记忆化搜索是在暴力搜索的基础上,使用一个数组来记录已经计算过的结果,避免重复计算,从而提高效率。 ```cpp #include <iostream> #include <vector> int climbStairsWithRecursive2(int n, std::vector<int>& memo) { if (n == 1) return 1; if (n == 2) return 2; if (memo[n] != 0) return memo[n]; memo[n] = climbStairsWithRecursive2(n - 1, memo) + climbStairsWithRecursive2(n - 2, memo); return memo[n]; } int main() { std::cout << "请输入楼梯阶数:" << std::endl; int n; std::cin >> n; std::vector<int> memo(n + 1, 0); int b = climbStairsWithRecursive2(n, memo); std::cout << b << std::endl; return 0; } ``` ### 动态规划 动态规划是解决爬楼梯问题的常用方法,通过定义状态和状态转移方程来求解。把爬 `n` 阶楼梯的方法看做爬 `n - 1` 阶楼梯和迈出的一步的方法或者 `n - 2` 阶楼梯和迈出两步的方法之和 [^3]。 ```cpp #include <iostream> #include <vector> int climbStairsWithRecursive3(int n) { if (n == 1) return 1; if (n == 2) return 2; std::vector<int> dp(n + 1); dp[1] = 1; dp[2] = 2; for (int i = 3; i <= n; i++) { dp[i] = dp[i - 1] + dp[i - 2]; } return dp[n]; } int main() { std::cout << "请输入楼梯阶数:" << std::endl; int n; std::cin >> n; int c = climbStairsWithRecursive3(n); std::cout << c << std::endl; return 0; } ``` ### 动态规划空间优化 可以对动态规划的空间复杂度进行优化,由于状态转移只依赖于前两个状态,因此可以只使用两个变量来保存中间结果。 ```cpp #include <iostream> int climbStairsOptimized(int n) { if (n == 1) return 1; if (n == 2) return 2; int first = 1; int second = 2; int third; for (int i = 3; i <= n; i++) { third = first + second; first = second; second = third; } return second; } int main() { std::cout << "请输入楼梯阶数:" << std::endl; int n; std::cin >> n; int result = climbStairsOptimized(n); std::cout << result << std::endl; return 0; } ``` ### 三步问题(爬楼梯拓展) 如果每次可以爬 1、2 或 3 步楼梯,这就是一个三步问题,与普通爬楼梯问题类似,只是状态转移方程有所不同。 ```cpp #include <iostream> #include <vector> const int MOD = 1e9 + 7; int waysToStep(int n) { std::vector<int> dp(n + 1); if (n == 1 || n == 2) return n; if (n == 3) return 4; dp[1] = 1; dp[2] = 2; dp[3] = 4; for (int i = 4; i <= n; ++i) { dp[i] = ((dp[i - 1] + dp[i - 2]) % MOD + dp[i - 3]) % MOD; } return dp[n]; } int main() { std::cout << "请输入楼梯阶数:" << std::endl; int n; std::cin >> n; int result = waysToStep(n); std::cout << result << std::endl; return 0; } ``` ### 最小花费爬楼梯问题(爬楼梯升级版) 如果爬楼梯需要花费一定的体力,要求计算最小花费,这就是爬楼梯的升级版问题。 ```cpp #include <iostream> #include <vector> #include <algorithm> class Solution { public: int minCostClimbingStairs(std::vector<int>& cost) { int length = cost.size(); std::vector<int> sum(length); sum[0] = cost[0]; sum[1] = cost[1]; for (int i = 2; i < length; i++) { sum[i] = std::min(sum[i - 1], sum[i - 2]) + cost[i]; } return std::min(sum[length - 1], sum[length - 2]); } }; int main() { std::vector<int> cost = {1, 100, 1, 1, 1, 100, 1, 1, 100, 1}; Solution sol; int result = sol.minCostClimbingStairs(cost); std::cout << "最小花费: " << result << std::endl; return 0; } ```
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