[c++思路+ code] 台阶问题

台阶问题一直是动态规划的经典题目，今天给大家两种台阶问题

台阶问题一：步数上限为2

        思路 ：这种题一看就不好推理，那么我们不妨从样例下手。

                    样例一：一共爬2级，一共两种情况

                    样例二：一共爬3级，一共3种情况

                这道题我们在上面提到过，是动态规划（dp）的经典题目，那么，这道题的递推公式是最重要的。

                    我们发现

   '''
        n = 1 1
        n = 2 2
        n = 3 1+2
        n = 4 2+3
        n = 5 3+4
        '''

                也就是说： 爬n级台阶的总方案数其实是n-1级台阶的总方案数 + n-2级台阶的总方案数

        那么递推公式就是 

               那么，这道题的代码也就出来了

           代码：

class Solution {
public:
    int climbStairs(int n) {
        vector<int> f(n + 1);
        f[0] = f[1] = 1;
        for (int i = 2; i <= n; i++) {
            f[i] = f[i - 1] + f[i - 2];
        }
        return f[n];
    }
};

台阶问题二：步数上限为三

        这种题和上面的题一样，

• 设 dp[i]表示到达第i  阶楼梯的方式数。

• 初始条件：

• dp[0]=1：表示到达第 0 阶的方式数为 1（即不爬楼梯）。

• dp[1]=1：只有一种方式（走 1 阶）。

• dp[2]=2：有两种方式（1+1或2）。

• 状态转移方程：

• 小孩可以从第i−1阶走 i阶。

• 小孩可以从第i−2 阶走 2阶到第 i阶。

• 小孩可以从第 i−3阶走 3阶到第 i 阶。

• 因此，状态转移方程为：

    代码：

class Solution {
    const int MOD = 1e9 + 7;
public:
    int waysToStep(int n) {
        if (n == 0) return 1;
        if (n == 1) return 1;
        if (n == 2) return 2;

        vector<long long> dp(n + 1, 0);
        dp[0] = 1;
        dp[1] = 1;
        dp[2] = 2;

        for (int i = 3; i <= n; ++i) {
            dp[i] = (dp[i - 1] + dp[i - 2] + dp[i - 3]) % MOD;
        }

        return dp[n];
    }
};

那么以上就是两种爬楼梯问题了，那么最后的最后，我们总结一下递推公式应该是 （n = 步数上限）

好了，今天的博客就到这里了，我是calmyself，我们下篇博客再见！