动态规划详解-最小路径和问题【python】

数据分析螺丝钉

已于 2024-04-29 17:33:59 修改

阅读量931

点赞数 13

分类专栏： LeetCode解锁1000题: 打怪升级之旅文章标签：动态规划算法 leetcode python 数据结构

于 2024-04-16 23:07:46 首次发布

本文链接：https://blog.csdn.net/CCIEHL/article/details/137843843

版权

LeetCode解锁1000题: 打怪升级之旅专栏收录该内容

156 篇文章 58 订阅

订阅专栏

作者介绍：10年大厂数据\经营分析经验，现任大厂数据部门负责人。
会一些的技术：数据分析、算法、SQL、大数据相关、python
欢迎加入社区：码上找工作
作者专栏每日更新：
LeetCode解锁1000题: 打怪升级之旅
 python数据分析可视化：企业实战案例
备注说明：方便大家阅读，统一使用python，带必要注释，公众号数据分析螺丝钉一起打怪升级

1. 问题介绍和应用场景

最小路径和问题是一个常见的动态规划问题，涉及在给定的二维网格上找到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。每次只能向下或者向右移动一步。这个问题在实际中可以应用于如物流、路径规划、资源分配等多个领域，特别是在需要最优化资源消耗的情况下。

2. 问题定义和示例

定义：给定一个包含非负整数的 m x n 网格 grid，找到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。

示例：

给定网格：

[
  [1, 3, 1],
  [1, 5, 1],
  [4, 2, 1]
]

最小路径和为 7（路径 1→3→1→1→1）。

3. 状态定义

定义 dp[i][j] 为到达网格中 (i, j) 位置的最小路径和。

4. 状态转移方程

状态转移方程基于只能向右或向下移动的规则：

dp[i][j] = grid[i][j] + min(dp[i-1][j], dp[i][j-1])

这里，dp[i-1][j] 表示从上方来的最小路径和，dp[i][j-1] 表示从左方来的最小路径和。

5. 初始化和边界情况

dp[0][0] = grid[0][0]，作为起点。
第一行的每个位置只能从左边来，第一列的每个位置只能从上方来：

dp[0][j] = dp[0][j-1] + grid[0][j]  # 第一行
dp[i][0] = dp[i-1][0] + grid[i][0]  # 第一列

6. 算法实现

def min_path_sum(grid):
    """
    计算给定网格从左上角到右下角的最小路径和。每次只能向右或向下移动。

    参数:
    grid (List[List[int]]): 二维列表，每个元素代表网格中的一个点的值。

    返回:
    int: 从左上角到右下角的最小路径和。
    """
    if not grid or not grid[0]:
        return 0
    
    m, n = len(grid), len(grid[0])
    dp = [[0] * n for _ in range(m)]
    
    dp[0][0] = grid[0][0]  # 初始化起点
    
    # 初始化第一行和第一列
    for i in range(1, m):
        dp[i][0] = dp[i-1][0] + grid[i][0]
    for j in range(1, n):
        dp[0][j] = dp[0][j-1] + grid[0][j]

    # 填充剩余的dp表
    for i in range(1, m):
        for j in range(1, n):
            dp[i][j] = grid[i][j] + min(dp[i-1][j], dp[i][j-1])

    return dp[-1][-1]  # 返回右下角的最小路径和

# 示例
grid = [
    [1, 3, 1],
    [1, 5, 1],
    [4, 2, 1]
]
print("最小路径和:", min_path_sum(grid))  # 输出: 最小路径和: 7

代码解释

函数定义：min_path_sum 函数接受一个二维列表 grid，其中 grid[i][j] 表示网格中第 i 行第 j 列点的值。
边界情况处理：如果输入的 grid 为空或者其第一行为空，函数返回0。
动态规划数组初始化：创建一个同样大小的二维列表 dp，其中 dp[i][j] 用于存储从网格的左上角到位置 (i, j) 的最小路径和。dp[0][0] 初始化为 grid[0][0]，即起点的路径和。
初始化 dp 的第一行和第一列：由于第一行的每个位置只能从左边来，第一列的每个位置只能从上面来，这两行分别累加初始化。
填充 dp 表：从 dp[1][1] 开始，计算每个点的最小路径和，依赖于其左边和上面的点的最小路径和。
返回结果：函数返回 dp 表最后一个元素，即 dp[-1][-1]，它代表了从起点到终点的最小路径和。

7. 复杂度分析

时间复杂度：O(mn)，因为需要遍历整个网格一次。
空间复杂度：O(mn)。可以优化至 O(min(m, n)) 通过滚动数组或两行交替使用的技术。
为了进一步阐明最小路径和问题的动态规划解法，并以图解的方式展示算法的实际运作，我们将继续使用前述的例子并详细解释每一步的计算过程。

8.算法图解

动态规划表的初始化与填充

首先，我们初始化动态规划表（dp 表）。表的每个单元格代表到达该位置的最小路径和。

初始化阶段

起始点：dp[0][0] 初始化为网格的起始点，grid[0][0] = 1。
第一行：每个位置只能从左边来，因此累加左边的值。
第一列：每个位置只能从上方来，因此累加上方的值。

初始化表格：

	0	1	2
0	1	4	5
1	2
2	6

填充过程

逐行填充，每个单元格的值是当前网格值加上到达该单元格的最小成本（从左方或上方来）。

填充第二行:
- dp[1][1] = grid[1][1] + min(dp[1][0], dp[0][1]) = 5 + min(2, 4) = 7
- dp[1][2] = grid[1][2] + min(dp[1][1], dp[0][2]) = 1 + min(7, 5) = 6
填充第三行:
- dp[2][1] = grid[2][1] + min(dp[2][0], dp[1][1]) = 2 + min(6, 7) = 8
- dp[2][2] = grid[2][2] + min(dp[2][1], dp[1][2]) = 1 + min(8, 6) = 7