当前:LC70 · 爬楼梯:小机器人有多少种登顶路线? · 首次出现于 Day 36 · 路径:顶栏「56天打卡」→ 点击 LC 题号 → 逐题动画

LC70动态规划线性 DP · 最后一步分类状态表账本

爬楼梯:小机器人有多少种登顶路线?

n=4 阶楼梯,每次可爬 1 或 2 阶,有多少种不同走法到顶(答案 5)。

题目是什么

n=4 阶楼梯,每次可爬 1 或 2 阶,有多少种不同走法到顶(答案 5)。

解决什么问题

当前格依赖哪些已知状态,为什么这些状态已经计算完成?

核心结论

先枚举 n=4 建立直觉,再用最后一步分类得 f(i)=f(i-1)+f(i-2);DP 表记录,滚动变量 O(1) 空间。

01交互算法精讲

先说结论:这道题到底解决什么

怎样从“n=4 阶楼梯,每次可爬 1 或 2 阶,有多少种不同走法到顶(答案 5)。”推导出 线性 DP · 最后一步分类,并证明每次状态变化都不会漏掉答案?

中心结论:先枚举 n=4 建立直觉,再用最后一步分类得 f(i)=f(i-1)+f(i-2);DP 表记录,滚动变量 O(1) 空间。

读完必须能回答
  1. 1.暴力方案在哪里重复计算,为什么仍然是正确基线?
  2. 2.当前格依赖哪些已知状态,为什么这些状态已经计算完成?
  3. 3.不变量“f(i) 为到达第 i 阶的方法数;最后一步只来自 i-1 或 i-2,两类互斥且完备。”为什么能保证算法安全前进?
02交互算法精讲

完整题目与题意拆解

假设你正在爬楼梯。需要 n 阶你才能到达楼顶。每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢?注意:给定 n 是一个正整数

在本站主例中,n=4 阶楼梯,每次可爬 1 或 2 阶,有多少种不同走法到顶(答案 5)。

算法最终需要得到或观察:n=4 共 5 种走法;f(5)=8。

把题目翻译成状态
  • 输入:n=4 阶楼梯,每次可爬 1 或 2 阶,有多少种不同走法到顶(答案 5)。
  • 机器需要维护:f(i) 定义、枚举路径、最后一步来源、dp 表、prev2/prev1/cur。
  • 最终可观察结果:n=4 共 5 种走法;f(5)=8。
动画 1 · 题意扫描

先看清算法到底要维护什么

先建立输入、目标、输出和第一批状态,不急着进入模板。

Step 1/20%
题目与输入建立输入、目标与算法心智

每次可爬 1 或 2 阶

正在加载算法场景...
03交互算法精讲

第一层方案:暴力做法

直接递归会反复求同一个子问题;动态规划把答案写入状态表并按依赖顺序复用。

暴力方案的价值是确认题意并提供正确性基线。它通常会覆盖所有候选, 但没有保存已经确认的信息,因此同一状态会被重新计算。

动画 2 · 暴力重复

重复工作究竟发生在哪里

把重复读取或重复搜索的区域明确标出,再决定优化必须保存什么。

Step 1/20%
先做对:建立暴力基线枚举所有候选并完整验证

每次可爬 1 或 2 阶

正在加载算法场景...
优化方向:先枚举 n=4 建立直觉,再用最后一步分类得 f(i)=f(i-1)+f(i-2);DP 表记录,滚动变量 O(1) 空间。
04交互算法精讲

整体地图:先做什么,再做什么

  1. 1建模把输入翻译成“状态表账本”,明确答案需要观察什么。
  2. 2状态只维护 f(i) 定义、枚举路径、最后一步来源、dp 表、prev2/prev1/cur。
  3. 3转移每一步按照 先枚举 n=4 建立直觉,再用最后一步分类得 f(i)=f(i-1)+f(i-2);DP 表记录,滚动变量 O(1) 空间。
  4. 4收尾读取 n=4 共 5 种走法;f(5)=8。,并复核边界与复杂度。
05交互算法精讲

状态表账本:核心概念

先写清 dp 状态含义,再推导转移、初值和遍历顺序。

这道题不是为了记住一个组件名称,而是为了让状态具有可解释的语义:f(i) 定义、枚举路径、最后一步来源、dp 表、prev2/prev1/cur。

核心不变量
  • f(i) 为到达第 i 阶的方法数;最后一步只来自 i-1 或 i-2,两类互斥且完备。
动画 3 · 核心概念

建立“状态表账本”心智模型

用主例建立核心状态,先预测下一步,再公开正确分支和理由。

Step 1/30%
题目与输入建立输入、目标与算法心智

每次可爬 1 或 2 阶

正在加载算法场景...
06交互算法精讲

核心机制:状态如何一步步变化

简单的 DP,经典的爬楼梯问题。一个楼梯可以由 `n-1` 和 `n-2` 的楼梯爬上来。 这一题求解的值就是斐波那契数列。

先枚举 n=4 建立直觉,再用最后一步分类得 f(i)=f(i-1)+f(i-2);DP 表记录,滚动变量 O(1) 空间。

执行过程中持续维护:f(i) 定义、枚举路径、最后一步来源、dp 表、prev2/prev1/cur。

正确性依赖以下不变量:f(i) 为到达第 i 阶的方法数;最后一步只来自 i-1 或 i-2,两类互斥且完备。

面试时可以压缩为:定义 f(i);最后一步来自 i-1 或 i-2 故 f(i)=f(i-1)+f(i-2);初始化 f(1)=1,f(2)=2;滚动 O(n)/O(1)。

落到当前题,执行机制可以压缩为:先枚举 n=4 建立直觉,再用最后一步分类得 f(i)=f(i-1)+f(i-2);DP 表记录,滚动变量 O(1) 空间。每一次更新都必须保持核心不变量,而不是只让样例碰巧得到正确答案。

动画 4 · 机制构建

一次状态转移为什么成立

集中观察一次选择、计算和状态写回,让变量变化与原因同时出现。

Step 1/50%
dp[2] = dp[1] + dp[0] = 2dp[i] = dp[i-1]+dp[i-2]

填第 2 格,依赖左边两格

正在加载算法场景...
07交互算法精讲

正确性证明:为什么不会漏答案

初始化

初始化:算法开始时,全部合法候选仍在状态表示范围内;f(i) 为到达第 i 阶的方法数;最后一步只来自 i-1 或 i-2,两类互斥且完备。

保持

保持:执行“先枚举 n=4 建立直觉,再用最后一步分类得 f(i)=f(i-1)+f(i-2);DP 表记录,滚动变量 O(1) 空间。”时,只删除已经能证明不可能的候选,并把新信息写回 f(i) 定义、枚举路径、最后一步来源、dp 表、prev2/prev1/cur。

终止

终止:没有待处理状态或达到命中条件时,当前可观察结果就是“n=4 共 5 种走法;f(5)=8。”。

正确性抓手不是“样例跑通”,而是每一帧结束后仍能复述:f(i) 为到达第 i 阶的方法数;最后一步只来自 i-1 或 i-2,两类互斥且完备。
08交互算法精讲

完整执行过程

  1. 1题目与输入n=4 阶楼梯,每次可爬 1 或 2 阶,有多少种不同走法到顶(答案 5)。 因为:先枚举 n=4 建立直觉,再用最后一步分类得 f(i)=f(i-1)+f(i-2);DP 表记录,滚动变量 O(1) 空间。
  2. 2dp[i] = 到达第 i 阶的方法数初始化前两阶。 因为:到 i 阶只能从 i-1 或 i-2 来。
  3. 3dp[3] = dp[2] + dp[1] = 3状态转移填表。 因为:Fibonacci 型 DP。
  4. 4预测下一步先不要看下一帧——根据当前不变量,预测算法接下来会怎么动。 因为:主动预测会暴露你对不变量的真实理解,比被动看动画有效得多。
  5. 5dp[4] = dp[3] + dp[2] = 5状态转移填表。 因为:Fibonacci 型 DP。
  6. 6dp[5] = dp[4] + dp[3] = 8状态转移填表。 因为:Fibonacci 型 DP。
  7. 7dp[i] = 到达第 i 阶的方法数初始化前两阶。 因为:到 i 阶只能从 i-1 或 i-2 来。
  8. 8收尾与复杂度n=4 共 5 种走法;f(5)=8。 因为:时间 O(n) · 空间 O(1)。先枚举 n=4 建立直觉,再用最后一步分类得 f(i)=f(i-1)+f(i-2);DP 表记录,滚动变量 O(1) 空间。
动画 5 · 完整执行

从输入完整走到可观察结果

从主例第一帧运行到答案,时间轴始终显示当前状态、因果解释和下一步。

Step 1/80%
题目与输入建立输入、目标与算法心智

每次可爬 1 或 2 阶

正在加载算法场景...
09交互算法精讲

把动画和 Go 代码逐行对应

代码窗口不会按容易漂移的固定数字行号硬绑动画,而是根据当前语义阶段, 在完整 Go 实现中定位选择、计算、写回或返回分支。当前变量与高亮行一起变化。

动画 6 · 代码映射

让每个动作都落到 Go 分支

重新执行关键分支,只显示当前代码附近窗口,并说明这行为什么在此刻运行。

Step 1/60%
dp[i] = 到达第 i 阶的方法数dp[0]=1, dp[1]=1

每次可爬 1 或 2 阶

正在加载算法场景...
10交互算法精讲

完整 Go 提交代码与最小测试

完整 Go 解法
func climbStairs(n int) int {
	dp := make([]int, n+1)
	dp[0], dp[1] = 1, 1
	for i := 2; i <= n; i++ {
		dp[i] = dp[i-1] + dp[i-2]
	}
	return dp[n]
}
最小测试集合
func main() {
    // 1. 主例
    //    输入:mode="climbing-stairs", n=5
    //    期望:n=4 共 5 种走法;f(5)=8。
    //
    // 2. 失败 / 未命中
    //    检查:f(0) 定义要与 f(1)、f(2) 一致;相加因最后一步分类互斥完备;滚动时先算 cur 再更新。
    //
    // 3. 边界
    //    空输入、单元素、最小合法规模,以及答案恰好落在边界的情况。
    //
    // 4. 迁移
    //    LC198 打家劫舍;LC746 最小代价
}

Go 参考实现基于 halfrost/LeetCode-Go 的 MIT 许可代码整理,并按本站教学结构补充解释与动画映射。

11交互算法精讲

正确性与复杂度

时间复杂度 O(n)

执行过程中只保留仍可能影响答案的状态。先枚举 n=4 建立直觉,再用最后一步分类得 f(i)=f(i-1)+f(i-2);DP 表记录,滚动变量 O(1) 空间。

空间复杂度 O(1)

额外状态主要用于维护:f(i) 定义、枚举路径、最后一步来源、dp 表、prev2/prev1/cur。

终局不变量
  • f(i) 为到达第 i 阶的方法数;最后一步只来自 i-1 或 i-2,两类互斥且完备。
12交互算法精讲

最容易写错的地方

错误 1

f(0) 定义要与 f(1)、f(2) 一致;相加因最后一步分类互斥完备;滚动时先算 cur 再更新。

边界复查

必须额外检查空输入、单元素、未命中或不可达情况,以及恰好落在边界的输入。

13交互算法精讲

最后复盘:带走逻辑链

  1. 1题意n=4 阶楼梯,每次可爬 1 或 2 阶,有多少种不同走法到顶(答案 5)。
  2. 2重复直接递归会反复求同一个子问题;动态规划把答案写入状态表并按依赖顺序复用。
  3. 3优化先枚举 n=4 建立直觉,再用最后一步分类得 f(i)=f(i-1)+f(i-2);DP 表记录,滚动变量 O(1) 空间。
  4. 4证明f(i) 为到达第 i 阶的方法数;最后一步只来自 i-1 或 i-2,两类互斥且完备。
  5. 5复杂度时间 O(n),空间 O(1)
面试表达:定义 f(i);最后一步来自 i-1 或 i-2 故 f(i)=f(i-1)+f(i-2);初始化 f(1)=1,f(2)=2;滚动 O(n)/O(1)。
迁移练习
  • LC198 打家劫舍
  • LC746 最小代价