关于爬楼梯记忆自上而下方法的问题

Question

题目是：“你在爬楼梯，需要n步才能到顶。每次您可以爬 1 或 2 个台阶。您可以通过多少种不同的方式登顶？

自上而下记忆方法的代码是：

class Solution:
    def climbStairs(self, n: int) -> int:
        def climb(n, memo): #So, here our function will have two values. n is the number of steps and let's call it memo. Memo will be used to show the return value that reduces the recursive calls
            if n < 0: #edge case
                return 0 #Return None
            if n == 0:
                return 1 #There is an error while executing the program and it is not performing what it was intended to do
            if memo.get(n): #if the number of steps n are taken which is from 1 to 45, then we can use the get method to find the number of steps
                return memo[n] #to find the number of recursive calls we will use the memoization method which is
            memo[n] = climb(n-1, memo) + climb(n-2, memo) #memoization will return the number of steps be using the previous two steps
            return memo[n]#return the value that reduces the recursive calls
        return climb(n, {})

我对台词感到困惑 “

if memo.get(n):
return memo[n]
memo[n] = climb(n-1, memo) + climb(n-2, memo)
return memo[n]

” 为什么我们使用两个 'return memo[n]'？我想， “

if memo.get(n):
memo[n] = climb(n-1, memo) + climb(n-2, memo)
return memo[n]

”是这里描述记忆化想法的方式。

此外，如果我解释代码的注释有误，请指正我，因为我是编程新手。如果我应该实施任何其他更简单和更好的优化方法来解决这个问题，请告诉我。

我之前发布了一些其他问题，有些人以粗鲁的语气回答，尽管我理解我在这里寻求帮助以自学编程。我明白他们的知识很高级，我还差得远呢。所以，如果我能从回答问题的人那里理解代码并学习编程，我将不胜感激。

Answer 1

第一个 return 语句在 if 条件内，并且它 return 是一个已经计算过的值，以避免计算 2 次或更多次相同的操作。

if memo.get(n): #This if is basically checking if the code has already computed the function in n
 return memo[n]

#This line never executes if the code has already returned memo[n] in the if condition used to NOT compute multiple times the same operation
memo[n] = climb(n-1, memo) + climb(n-2, memo) 
return memo[n]

但是在第二个return语句中，它给出了存储在memo[n]上的climb(n-1, memo) + climb(n-2, memo)的计算，并且在代码执行之前从未完成过。

我建议您观看这些视频以更深入地了解递归的工作原理：
Video 1
Video 2

关于爬楼梯记忆自上而下方法的问题

Question regarding to Climbing Stairs Memoization Top-Down Approach

python

recursion

dynamic-programming

memoization