最长递增路径两种解法:leetcode-329. 矩阵中的最长递增路径

题目链接
给定一个整数矩阵,找出最长递增路径的长度。

对于每个单元格,你可以往上,下,左,右四个方向移动。 你不能在对角线方向上移动或移动到边界外(即不允许环绕)。

示例 1:

输入: nums =
[
[9,9,4],
[6,6,8],
[2,1,1]
]
输出: 4
解释: 最长递增路径为 [1, 2, 6, 9]。
示例 2:

输入: nums =
[
[3,4,5],
[3,2,6],
[2,2,1]
]
输出: 4
解释: 最长递增路径是 [3, 4, 5, 6]。注意不允许在对角线方向上移动。

一开始写了个朴素dfs,数据比较大时指数增长会超时,过了100多条数据,剩下3条过不了。


可以对比以下两种方法:
第二种AC的方法是通过第一种DFS改的,可以通过对比来学习


解一。DFS(超时)

class Solution {
    int dfs(vector<vector<int>>& matrix,int x,int y,int cnt,int max0) {
        max0=max(++cnt,max0);

        if (y==matrix[0].size()&& x==matrix.size())    return 0;
        
        if (x + 1 < matrix.size() && matrix[x][y]<matrix[x+1][y]) {
            
            max0=max(max0,dfs(matrix, x + 1, y,cnt, max0));
            
        }
        
        if (y + 1 < matrix[0].size()&& matrix[x][y]<matrix[x][y+1]) {
            max0=max(max0,dfs(matrix, x, y + 1, cnt, max0));

        }
       
        if (y - 1 >=0 && matrix[x][y]<matrix[x][y-1]) {
            max0=max(max0,dfs(matrix, x, y - 1, cnt, max0));

        }
        
        if (x - 1 >=0&& matrix[x][y]<matrix[x-1][y]) {
            max0=max(max0,dfs(matrix, x - 1, y, cnt, max0));
        }       
        return max0;
     }

    int dfs0(vector<vector<int>>& matrix,int max0) {
        int cnt = 0;
        for (int i = 0; i <matrix.size() ;i++) {
            cnt=0;
            for (int j = 0; j <matrix[0].size() ;j++) {
                max0=max(max0,dfs(matrix, i, j, cnt, max0));
                cnt=0;
            }
        }
        return max0;
    }

public:
    int longestIncreasingPath(vector<vector<int>>& matrix) {
        int max=0;
        max=dfs0(matrix,max);
        return max;
    }
};

然后学了个记忆化dfs,可以通过。

解2 记忆化搜索:

class Solution {
    int dfs(vector<vector<int>>& demo,vector<vector<int>>& matrix,int x,int y,int cnt,int max0) {
        //固定
        //已经记录最优,则获取
        if(demo[x][y]!=0)   return demo[x][y];

        //一般都要
        //初始条件
        demo[x][y]=1;
        
        // 逻辑不变
        if (y==matrix[0].size()&& x==matrix.size())    return 0;
        
        if (x + 1 < matrix.size() && matrix[x][y]<matrix[x+1][y]) {
            //dfs时,修改demo
            demo[x][y]=max(demo[x][y],dfs(demo,matrix, x + 1, y,cnt, max0)+1);
            
        }
        
        if (y + 1 < matrix[0].size()&& matrix[x][y]<matrix[x][y+1]) {
            //dfs时,修改demo
            demo[x][y]=max(demo[x][y],dfs(demo,matrix, x, y + 1, cnt, max0)+1);
        }
       
        if (y - 1 >=0 && matrix[x][y]<matrix[x][y-1]) {
            //dfs时,修改demo
            demo[x][y]=max(demo[x][y],dfs(demo,matrix, x, y - 1, cnt, max0)+1);
        }
        
        if (x - 1 >=0&& matrix[x][y]<matrix[x-1][y]) {
            //dfs时,修改demo
            demo[x][y]=max(demo[x][y],dfs(demo,matrix, x - 1, y, cnt, max0)+1);
        }     

        //固定  
        //返回demo
        return demo[x][y];
     }

    int dfs0(vector<vector<int>>& matrix,int max0) {
        int cnt = 0;
        int res=0;
        auto demo = vector< vector<int> > (matrix.size(), vector <int> (matrix[0].size()));
        for (int i = 0; i <matrix.size() ;i++) {
            cnt=0;
            for (int j = 0; j <matrix[0].size() ;j++) {
                res=max(res,dfs(demo,matrix, i, j, cnt, max0));
                cnt=0;
            }
        }
        return res;
    }

public:
    int longestIncreasingPath(vector<vector<int>>& matrix) {
        if(matrix.size()==0){
            return 0;
        }
        int max=0;
        max=dfs0(matrix,max);
        return max;
    }
};

### 回答1: 好的,我来用文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统动态规划也广泛应用于各种优化算法,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法。 LeetCode动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列,第j个元素的。 在LeetCode动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值