目录
[【计时开始 - 15分钟】](#【计时开始 - 15分钟】)
如果您喜欢此文章，请收藏、点赞、评论，谢谢，祝您快乐每一天。
题目描述
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？
示例 1： 输入：n = 2 输出：2 解释：有兩種方法可以爬到樓頂。
- 1 阶 + 1 阶
- 2 阶
示例 2： 输入：n = 3 输出：3 解释：有三种方法可以爬到樓頂。
- 1 阶 + 1 阶 + 1 阶
- 1 阶 + 2 阶
- 2 阶 + 1 阶
提示： 1 <= n <= 45
【计时开始 - 15分钟】
思考过程与执行（内部模拟）：
0-2 分钟：理解题目，识别模式
- "爬楼梯"，每次 1 或 2 步。求总方法数。
- n=1: 1 种 (1)
- n=2: 2 种 (1+1, 2)
- n=3: 3 种 (1+1+1, 1+2, 2+1)
- n=4: 5 种 (1+1+1+1, 1+1+2, 1+2+1, 2+1+1, 2+2)
- 这个序列：1, 2, 3, 5... 看起来像斐波那契数列！
- 递推关系 ：到达第
i阶的方法数 F(i) = F(i-1) (从 i-1 阶爬 1 步上来) + F(i-2) (从 i-2 阶爬 2 步上来)。 - 边界条件：F(1) = 1, F(2) = 2。
2-7 分钟：选择算法与实现
- 递归 (Naive)：
def climbStairs_recursive(n):
if n == 1: return 1
if n == 2: return 2
return climbStairs_recursive(n-1) + climbStairs_recursive(n-2)
- 问题：重复计算严重，O(2^n) 时间复杂度，对于 n=45 会超时。
- 递归 + 记忆化搜索 (Memoization)：
memo = {}
def climbStairs_memo(n):
if n in memo: return memo[n]
if n == 1: return 1
if n == 2: return 2
result = climbStairs_memo(n-1) + climbStairs_memo(n-2)
memo[n] = result
return result
- 复杂度：O(n) 时间，O(n) 空间。可行。
- 动态规划 (Bottom-up) ：
- 基于斐波那契数列的迭代计算。
- 思路：从 F(1) 和 F(2) 开始，迭代计算 F(3), F(4), ..., F(n)。
- 时间复杂度：O(n)。
- 空间复杂度：O(n)（如果用数组存储），或者 O(1)（只存储前两项）。
- 工程落地：O(1) 空间复杂度更优。
选择动态规划 (Bottom-up, O(1) space) 作为最终方案。
7-12 分钟：编写代码（Python）
class Solution:
def climbStairs(self, n: int) -> int:
"""
爬楼梯问题：求到达 n 阶楼顶的不同方法数。
每次可爬 1 或 2 阶。
这是一个斐波那契数列的变种问题。
F(n) = F(n-1) + F(n-2)
边界条件： F(1) = 1, F(2) = 2
"""
处理基本边界情况
if n == 1:
return 1
if n == 2:
return 2
使用动态规划，O(1) 空间复杂度
a, b 分别代表 F(i-2) 和 F(i-1)
a = 1 # 对应 F(1)
b = 2 # 对应 F(2)
从第 3 阶开始迭代计算
for i in range(3, n + 1):
当前阶数的方法数 = 前一阶 + 前两阶
current_ways = a + b
更新 a 和 b，为下一轮计算做准备
a = b # 原来的 F(i-1) 变成 F(i-2)
b = current_ways # 新计算出的 F(i) 变成 F(i-1)
return b # 最终 b 存储的就是 F(n)
12-14 分钟：简单测试与注释
- 示例 1：n = 2
- 代码直接返回 2。正确。
- 示例 2：n = 3
a = 1,b = 2i = 3:current_ways = 1 + 2 = 3.a = 2,b = 3.- 循环结束，返回
b(3)。正确。
- 考虑 n=1：代码已处理。
- 代码风格 ：变量命名
a,b稍显简略，但符合动态规划的惯例。current_ways提升了可读性。注释解释了思路和边界条件。 - 工程落地：代码逻辑清晰，边界条件处理到位。
14-15 分钟：最终检查
- 代码是否满足 LeetCode 格式要求？ (类
Solution，方法climbStairs) -> 是。 - 是否包含了思路说明？ -> 是，在函数注释中。
- 通过示例测试？ -> 是。
- 时间复杂度 O(n)，空间复杂度 O(1)。符合要求。
【比赛结束】
最终提交（模拟）：
解题思路： 该问题是典型的斐波那契数列变种。到达第 n 阶的方法数等于到达第 n-1 阶的方法数（再走一步）加上到达第 n-2 阶的方法数（再走两步）。定义 F(i) 为到达第 i 阶的方法数。 递推关系为：F(i) = F(i-1) + F(i-2)。 基本边界条件： F(1) = 1 (只能走 1 步) F(2) = 2 (走 1+1 或 2)
采用动态规划（迭代法）实现，使用 O(1) 的空间复杂度来存储前两项的结果，并向前迭代计算直到 n。
代码：
class Solution:
def climbStairs(self, n: int) -> int:
"""
爬楼梯问题：求到达 n 阶楼顶的不同方法数。
每次可爬 1 或 2 阶。
这是一个斐波那契数列的变种问题。
F(n) = F(n-1) + F(n-2)
边界条件： F(1) = 1, F(2) = 2
"""
处理基本边界情况
if n == 1:
return 1
if n == 2:
return 2
使用动态规划，O(1) 空间复杂度
a, b 分别代表 F(i-2) 和 F(i-1)
a = 1 # 对应 F(1)
b = 2 # 对应 F(2)
从第 3 阶开始迭代计算
for i in range(3, n + 1):
当前阶数的方法数 = 前一阶 + 前两阶
current_ways = a + b
更新 a 和 b，为下一轮计算做准备
a = b # 原来的 F(i-1) 变成 F(i-2)
b = current_ways # 新计算出的 F(i) 变成 F(i-1)
return b # 最终 b 存储的就是 F(n)
快闪赛的亮点
- 思维速度：题目模式识别（斐波那契）非常快，直接跳过了暴力递归，选择了高效的 DP 方法。
- 工程落地 ：
- 选择了空间复杂度更优的 O(1) DP 实现。
- 代码注释清晰，解释了思路、递推关系和边界条件。
- 边界条件
n=1,n=2处理得很直接。 - 变量命名（a, b）虽然简洁，但注释解释了其含义，在 DP 中是常见且可接受的。
- 时间控制：在 15 分钟内完成了从理解到编写、测试的完整流程。
如果您喜欢此文章，请收藏、点赞、评论，谢谢，祝您快乐每一天。