动态规划解决台阶问题：从递归到优化

1. 问题理解与初步分析

这个台阶问题实际上是一个经典的动态规划入门题目。想象你站在一栋高楼的底部，面前有一段n级的台阶。每次你可以选择迈上1级、2级或3级台阶。我们需要计算出从底部到达顶部所有可能的走法总数。

这个问题看似简单，但蕴含着递归和动态规划的核心思想。让我们先从小规模案例入手：

• 当n=1时：只有[1]这一种走法 → 总数1
• 当n=2时：有[1,1]和[2]两种走法 → 总数2
• 当n=3时：有[1,1,1]、[1,2]、[2,1]和[3]四种走法 → 总数4
• 当n=4时：如题目所示有7种走法

通过观察这些基础案例，我们可以发现一个规律：到达第n级台阶的走法数，等于前三级台阶走法数的总和。这是因为最后一步只能是1级、2级或3级跨上来。

2. 递归解法与问题剖析

2.1 递归思路实现

最直观的解法是使用递归。我们可以将问题分解为子问题：

c复制int countWays(int n) {
    if (n == 0) return 1;  // 地面算作一种"走法"
    if (n == 1) return 1;
    if (n == 2) return 2;
    if (n == 3) return 4;
    
    return countWays(n-1) + countWays(n-2) + countWays(n-3);
}

注意：这里n=0返回1是递归的基准情况，表示已经到达目标的一种有效走法。

2.2 递归解法的问题

虽然递归解法简单直观，但它存在严重的效率问题。让我们分析其时间复杂度：

• 每次调用会产生3个新的递归调用
• 递归深度为n
• 时间复杂度为O(3^n) —— 指数级增长

例如计算countWays(20)：

• 需要约3^20 ≈ 3.5亿次递归调用
• 存在大量重复计算（如countWays(15)会被计算无数次）

这种暴力递归在实际应用中是完全不可行的，我们需要更高效的解决方案。

3. 动态规划解决方案

3.1 动态规划思路

动态规划(Dynamic Programming)通过存储子问题的解来避免重复计算。对于这个台阶问题：

1. 定义状态：dp[i]表示到达第i级台阶的走法数
2. 状态转