What is the best way to solve Min Cost Climbing Stairs?

The optimized O(n) approach using 1D DP patterns is generally preferred.

상위 150개 인터뷰중간

최소 비용 등반 계단

'최소 계단 오르기 비용' 문제에 대한 자세한 가이드 및 Python 구현입니다.

문제 설명

중간

비용[i]이 계단의 i번째 단계 비용인 정수 배열 비용이 제공됩니다. 비용을 지불하면 한 계단 또는 두 계단 올라갈 수 있습니다.

인덱스가 0인 단계에서 시작하거나 인덱스가 1인 단계에서 시작할 수 있습니다.

바닥의 꼭대기에 도달하기 위한 최소 비용을 반환합니다.

minCostClimbingStairs(cost: List[int]) -> int 함수를 작성하세요.

제약

•2 <= len(cost) <= 1000
•0 <= cost[i] <= 999

예

Example 1

Input

cost = [10,15,20]

Output

Explanation

Start at index 1, pay 15, and climb to the top. Total is 15.

Example 2

Input

cost = [1,100,1,1,1,100,1,1,100,1]

Output

Explanation

Start at index 0, pay 1, climb to 2, pay 1, climb to 4, pay 1, climb to 6, pay 1, climb to 7, pay 1, climb to 9, pay 1, climb to top. Total is 6.

Need a Hint?

세트나 힙과 같은 1D DP 관련 데이터 구조를 사용해 보세요.

Edge Cases to Watch

빈 입력 구조
단일 요소 입력
큰 수치 범위

해결할 준비가 되셨나요?

Open the problem in PyRun's browser-based Python editor. Your code runs fully offline — no server required.

편집기에서 열기

인터뷰 통찰력 및 변형

1D DP 접근 방식의 논리를 설명하십시오.

null 또는 빈 입력과 같은 극단적인 경우에 대해 논의합니다.

복잡성 분석 분석

무차별 대입 복잡성

Time: O(n)•Space: O(1)

왜 시간인가?: Directly evaluates all possibilities.

왜 우주인가?: Uses standard local memory.

최적화된 복잡성

Time: O(n)•Space: O(1)

왜 시간인가?: Optimized paths reduce total operations.

왜 우주인가?: May trade memory for speed.

최적화된 솔루션 Python 코드

컴파일러에서 시도해 보세요

def min_cost_climbing_stairs_opt(cost):
    cost.append(0)
    for i in range(len(cost) - 3, -1, -1):
        cost[i] += min(cost[i + 1], cost[i + 2])
    return min(cost[0], cost[1])

무차별 대입 코드(스포일러 보호)

컴파일러에서 시도해 보세요

def min_cost_climbing_stairs_brute(cost):
    def solve(i):
        if i >= len(cost): return 0
        return cost[i] + min(solve(i + 1), solve(i + 2))
    return min(solve(0), solve(1))