
本文深入探讨了经典的楼梯问题,即计算孩子以1、2或3步跳跃方式登上n级楼梯的所有可能方法数。文章详细介绍了两种动态规划解决方案:带有记忆化的递归方法和底向上迭代方法,并通过go语言示例代码演示了其实现细节、关键逻辑修正以及性能考量,旨在提供清晰、专业的教程指导。
假设一个孩子要跑上一个有 n 级台阶的楼梯,他每次可以跳1步、2步或3步。我们的目标是实现一个方法来计算孩子登上这 n 级台阶总共有多少种不同的方式。这是一个典型的动态规划问题,因为它具有重叠子问题和最优子结构特性。
动态规划的核心思想是避免重复计算。对于楼梯问题,要到达第 n 级台阶,孩子最后一步可能是从第 n-1 级跳1步,从第 n-2 级跳2步,或者从第 n-3 级跳3步。因此,到达第 n 级台阶的总方式数是到达这三级台阶的方式数之和。
我们可以定义 CountWays(n) 为到达第 n 级台阶的方式数,则有: CountWays(n) = CountWays(n-1) + CountWays(n-2) + CountWays(n-3)
基本情况(Base Cases):
为了避免重复计算,我们引入记忆化(Memoization),使用一个映射(map)或数组来存储已经计算过的结果。
Go语言实现及关键修正:
在Go语言中,map 在获取一个不存在的键时,会返回该值类型的零值。对于 int 类型,零值是 0。这一点在实现记忆化时尤为重要。
package main
import "fmt"
// CountWaysDP 使用递归和记忆化计算上楼梯的方式
// n: 目标台阶数
// memo: 用于存储已计算结果的映射
func CountWaysDP(n int, memo map[int]int) int {
// 基本情况:无法到达负数台阶
if n < 0 {
return 0
}
// 基本情况:到达第0级台阶(即起始位置),算作1种方式
if n == 0 {
return 1
}
// 检查是否已经计算过此结果
// 注意:Go的map在键不存在时返回零值(int为0)。
// 如果memo[n]为0,我们无法区分是未计算还是计算结果恰好为0。
// 但在此问题中,合法的方式数总是大于0。
// 因此,如果memo[n] > 0,则表示已经计算过且结果有效。
if memo[n] > 0 {
return memo[n]
}
// 递归计算并存储结果
memo[n] = CountWaysDP(n-1, memo) +
CountWaysDP(n-2, memo) +
CountWaysDP(n-3, memo)
return memo[n]
}
func main() {
memo := make(map[int]int) // 初始化记忆化映射
n := 10
result := CountWaysDP(n, memo)
fmt.Printf("到达 %d 级台阶共有 %d 种方式。\n", n, result)
// fmt.Println("记忆化映射内容:", memo) // 可以打印查看记忆化过程
}注意事项:
迭代的动态规划方法通常从基本情况开始,逐步计算到目标问题。这种方法避免了递归调用的开销,通常在性能上更优。
Go语言实现:
package main
import "fmt"
// CountWaysIterative 使用迭代(底向上)方式计算上楼梯的方式
// n: 目标台阶数
func CountWaysIterative(n int) int {
if n < 0 {
return 0
}
if n == 0 {
return 1
}
// dp[i] 表示到达第 i 级台阶的方式数
// 需要 n+1 个元素,因为索引从0到n
dp := make([]int, n+1)
// 基本情况
dp[0] = 1 // 到达第0级台阶有1种方式(不跳)
// 从第1级台阶开始迭代计算
for i := 1; i <= n; i++ {
// 每次可以跳1、2或3步
// dp[i] = dp[i-1] + dp[i-2] + dp[i-3]
// 需要检查 i-k 是否越界
if i-1 >= 0 {
dp[i] += dp[i-1]
}
if i-2 >= 0 {
dp[i] += dp[i-2]
}
if i-3 >= 0 {
dp[i] += dp[i-3]
}
}
return dp[n]
}
func main() {
n := 10
result := CountWaysIterative(n)
fmt.Printf("到达 %d 级台阶共有 %d 种方式。\n", n, result)
// 另一种迭代实现方式(更紧凑)
// dp := make([]int, n+1)
// dp[0] = 1
// for i := 1; i <= n; i++ {
// if i >= 1 {
// dp[i] += dp[i-1]
// }
// if i >= 2 {
// dp[i] += dp[i-2]
// }
// if i >= 3 {
// dp[i] += dp[i-3]
// }
// }
// fmt.Println(dp[n])
}代码解释:
楼梯问题是动态规划的经典入门案例,它清晰地展示了如何通过分解问题为重叠子问题并存储中间结果来提高效率。
掌握这两种动态规划的实现方式,对于解决更复杂的组合优化问题至关重要。
以上就是动态规划解决楼梯问题:递归与迭代方法详解的详细内容,更多请关注php中文网其它相关文章!
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号