欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

动态规划--最小路径和

程序员文章站 2022-07-12 12:09:25
...

题目:
64. 最小路径和
给定一个包含非负整数的 m x n 网格,请找出一条从左上角到右下角的路径,使得路径上的数字总和为最小。

说明:每次只能向下或者向右移动一步。

示例:

输入:
[
[1,3,1],
[1,5,1],
[4,2,1]
]
输出: 7
解释: 因为路径 1→3→1→1→1 的总和最小。
思路:
可以向下或者向右,2种可能性,可以联想到状态转移方程是根据这个来的。首先 用基本思路,2维数组来表示 到达每一步的最小路径和。比如我们从 左上角开始走。因为他只能向下或者向右,所以 第一行和第一列其实是可以直接计算的,只要累加求和即可
难点就在于非第一行和第一列的:
比如走到5的时候。可能是3 向下 或者是 2 向右。 明显 2向右 成本更低 故 5的位置 为 (5+2)。
状态转移方程为:dp[i][j] = grid[i][j] + Math.min(dp[i-1][j],dp[i][j-1])
代码 如下

public int getMin(int[][] grid) {
	// 初始化dp数组,尺寸和原数组一致
	int[][] dp = new int[grid.length][grid[0].length];
	dp[0][0] = grid[0][0];
	// 初始化第一行
	for(int i = 1; i < grid.length;i++) {
		dp[i][0] = dp[i-1][0] + grid[i][0];
	}
	// 初始化第一列
	for(int j = 1; j < grid.length;j++) {
		dp[0][j] = dp[0][j-1] + grid[0][j];
	}
	// 填充其他位置的元素
	for(int i = 0; i < grid.length;i++) {
		for(int j = 0; j < grid[0].length;j++) {
			dp[i][j] = grid[i][j] + Math.min(dp[i-1][j], dp[i]dp[j-1]);
		}
	}
	return dp[grid.length][grid[0];
}

压缩空间解法

如果不用二维数组,使用一维数组其实也可以。就是不断复用上一次的数组。
这道题 从左上 或者从右下 其实都可以。从左上 就是返回右下 的值,相反亦是
比如从左上开始,第一步,初始化第一行,因为就一维数组嘛。也不会像上面的题解 同时初始化第一列了。
[
[1,3,1],
[1,5,1],
[4,2,1]
]
则一维数组 ,分4种情况,第一个元素,第一行,第一列,中间的元素(不在第一行也非第一列)
第一行 :只要 用当前结点值 + dp数组前一个元素即可
第一列 :当前结点值 + dp数组 当前元素 ,则上一行计算的时候,这列的dp数组的值!
中间的元素:当前结点值 + (左边的或者上面的,因为就这2条路径可以走下来,左边的直接用dp[j-1],至于上面的,则dp[j] 为上一行计算的时候 ,这个列的dp数组的值!
个人认为 这个难点就在于 搞清楚路径的逻辑,因为他只能向下或者向右。这句话就表示了你要从哪两个元素中比较最小值。至于动态规划的状态转移返程也就根据这个出来。
一维数组 更节省空间。相对二维数组会难以理解一些。主要是数组的复用,当遍历每一行的时候。利用上一行的值进行计算,同时修改已经用过得值,类似于用完了就抛弃掉?思路和二维数组是无差异的。

代码如下:

 public int minPathSum(int[][] grid) {
      int[] dp = new int[grid[0].length];
      for(int i = 0; i < grid.length;i++) {
          for(int j = 0;j < grid[0].length;j++) {
              if (i == 0 && j != 0) {
                  dp[j] = grid[i][j] + dp[j-1];
              } else if (i != 0 && j == 0) {
                  dp[j] = grid[i][j] + dp[j];
              } else if (i != 0 && j != 0) {
                  dp[j] = grid[i][j] + Math.min(dp[j-1], dp[j]);
              } else {
                  dp[j] = grid[0][0];
              }
          }
      }
        return dp[grid[0].length - 1];
}
相关标签: 动态规划