【动态规划】dp 路径问题（不同路径、路径最小和、地下城游戏...）

1. 前言 - 理解动态规划算法

关于 动态规划的理解 与例题，点击👇

【动态规划】C++解决斐波那契模型题目（三步问题、爬楼梯、解码方法…）

有了上面的经验，我们来解下面 dp的路径问题 ：

1.5 关于dp路径问题

• 在路径问题中，通常需要找到从起点到终点的一条路径，使得路径满足一定的约束条件（如最短路径、最大价值路径等）。

• 在动态规划中，通常采用一个二维数组或类似的数据结构来存储中间状态，其中每个状态表示从起点到当前位置的某种信息（如路径长度、路径价值等）。

---

2. 例题

2.1_不同路径

思路

1. 首先 找状态表示 与 状态转移方程

Warning. 关于状态表示

实际上在分析状态表示 时，一般会考虑两种表示法：

1. 以(i, j)位置为终点 时的count
2. 以(i, j)位置为起点 到终点时的count

在本章算法题中，仅最后一道题会涉及到两种表示法，其余的题以第一种即可解题。

---

2. 随后进行 对表中内容的初始化 （以及细节问题：填表顺序、返回值）

代码

class Solution {
public:
    int uniquePaths(int m, int n) {
        // 创建dp表
        vector<vector<int>> dp(m + 1, vector<int>(n + 1)); // 虚拟空间

        // 填写虚拟空间(默认为0！！)
        // for(int i = 0; i <= m; ++i) dp[0][i] = 0;
        // for(int j = 0; j <= n; ++j) dp[j][0] = 0;
        dp[0][1] = 1;

        // 编写状态转移方程
        for(int i = 1; i <= m; ++i)
            for(int j = 1; j <= n; ++j)
            {
                dp[i][j] = dp[i-1][j] + dp[i][j-1];
            }

        return dp[m][n];
    }
};

---

3. 算法题

---

3.1_不同路径II

思路

读题后，我们发现本题比起之前的，仅仅加了障碍物的限制。

• 所以我们只需要在填表时加一句判断即可，当(i, j)位置不为障碍物时，进行填表dp[i][j]。
  • 为什么？
    • 当(i, j)为障碍物，dp[i][j]为0，不做统计。

代码

class Solution {
public:
    int uniquePathsWithObstacles(vector<vector<int>>& obstacleGrid) {
        int m = obstacleGrid.size(), n = obstacleGrid[0].size();
        vector<vector<int>> dp(m + 1, vector<int>(n + 1)); // 初始化dp数组（虚拟空间+1行1列）
        dp[0][1] = 1;
        
        for(int i = 1; i <= m; ++i)
            for(int j = 1; j <= n; ++j)
            {
                if(obstacleGrid[i - 1][j - 1] == 0) // 虚拟空间多加了一行一列，找初始矩阵时，映射下标要-1
                    dp[i][j] = dp[i-1][j] + dp[i][j-1];
            }

        return dp[m][n];
    }
};

---

3.2_珠宝的最高价值

思路

1. 首先 找状态表示 与 状态转移方程

2. 随后进行 对表中内容的初始化 （以及细节问题：填表顺序、返回值）

代码

class Solution {
public:
    int jewelleryValue(vector<vector<int>>& frame) {
        int m = frame.size(), n = frame[0].size();
        // dp的创建 与 元素初始化
        vector<vector<int>> dp(m + 1, vector<int>(n + 1, 0));

        for(int i = 1; i <= m; ++i)
            for(int j = 1; j <= n; ++j)
                dp[i][j] = max(dp[i-1][j], dp[i][j-1]) + frame[i-1][j-1]; // 映射下标（对于frame要-1）

        return dp[m][n];
    }
};

---

3.3_下降路径最小和

思路

不再过多解释，直接跟着思路五步走：

代码

class Solution {
public:
    int minFallingPathSum(vector<vector<int>>& matrix) {
        int n = matrix.size();
        vector<vector<int>> dp(n + 1, vector<int>(n + 2, INT_MAX)); // 先初始化为 大值
        for(int j = 0; j <= n + 1; ++j) dp[0][j] = 0; // 将第一行初始化为0
        
        for(int i = 1; i <= n; ++i)
            for(int j = 1; j <= n; ++j)
            {
                // 映射下标，matrix下标-1
                dp[i][j] = min(min(dp[i-1][j], dp[i-1][j-1]), dp[i-1][j+1]) + matrix[i-1][j-1]; 
            }

        // 找最后一行的最小值
        int ret = INT_MAX;
        for(int j = 1; j <= n; ++j) ret = min(ret, dp[n][j]);
        return ret;
    }
};

---

3.4_最小路径和

思路

• 题目分析：本题不再画图，根据题目可以看出来和《珠宝的最高价值》一题是极为相似的，需要注意的是初始化时虚拟空间值的设置。

代码

class Solution {
public:
    int minPathSum(vector<vector<int>>& grid) {
        int m = grid.size(), n = grid[0].size();
        vector<vector<int>> dp(m + 1, vector<int>(n + 1, INT_MAX)); // 虚拟空间+1行1列。初始化为无穷大
        dp[0][1] = dp[1][0] = 0;

        for(int i = 1; i <= m; ++i)
            for(int j = 1; j <= n; ++j)
                dp[i][j] = min(dp[i-1][j], dp[i][j-1]) + grid[i-1][j-1]; // grid 映射下标（需要-1）

        return dp[m][n];
    }
};

---

---

3.5_地下城游戏

思路

关于状态表示的两种选法：

下面介绍了，为什么对于本题我们无法继续以(i, j)位置为终点，找健康点数

设置了正确的状态表示才能写出正确的状态转移方程：

最后进行内容初始化以及其余细节问题：

代码

class Solution {
public:
    int calculateMinimumHP(vector<vector<int>>& dungeon) {
        int m = dungeon.size(), n = dungeon[0].size();
       // dp[i][j]: 以(i, j)位置开始，到达终点的 最低初始健康点数
        // 右侧下侧扩充一行一列
        vector<vector<int>> dp(m + 1, vector<int>(n + 1, INT_MAX));
        dp[m-1][n] = dp[m][n-1] = 1; // 初始化

        for(int i = m - 1; i >= 0; --i)
            for(int j = n - 1; j >= 0; --j)
            {
                dp[i][j] = min(dp[i+1][j], dp[i][j+1]) - dungeon[i][j];
                dp[i][j] = max(1, dp[i][j]); // 防止负数血量的出现
            }

        return dp[0][0];
    }
};