Leetcode深度优先搜索笔记2 矩阵中的最长递增路径

329. 矩阵中的最长递增路径:记忆化深度优先搜索解决矩阵中的路径问题

给定一个 m x n 整数矩阵 matrix ,找出其中 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:matrix = [[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:matrix = [[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。

示例 3:

输入:matrix = [[1]]

输出:1

深度优先搜索解法:

在一个给定矩阵中寻找符合条件的路径,使用深度优先搜索。题目仅要求找到最长路径的长度,所以不需要保存最长的路径。从任一矩阵位置出发进行深度优先搜索,按照矩阵数值递增的条件寻找路径,每次比较并更新最长路径。

但如果仅按照路径条件进行搜索,一方面时间复杂度高,另一方面容易出现成环问题,因此在某一起点开始的深度优先搜索过程中,必须要记录已经访问过的位置。

同时,本题目对已经遍历过的节点的记录与一般的矩阵查找路径问题中对已经访问过位置的记录不完全相同:对于同一个矩阵,以每一个位置为起点的最长路径是唯一确定的,因此若某一位置开始的最长路径在之前已经确定,那么不再需要继续进行深度优先搜索,而且可以直接将从该位置开始的最长路径值接到之前的路径值上。因此,本题目为记忆化深度优先搜索问题,使用一个额外的数据记录矩阵中各个位置开始的最长路径值,用在后续深度优先搜索过程中存放每个位置的最长路径。

class Solution {
public:
    int directions[4][2] = {{1, 0}, {-1, 0}, {0, 1}, {0, -1}};
    
    int dfs(vector<vector<int>>& matrix, int i, int j, vector<vector<int>>& memo){
        if(memo[i][j] != 0)
            return memo[i][j];
        memo[i][j]++;
        for(auto& direction: directions){
            int x = i + direction[0], y = j + direction[1];
            if(x >= 0 && x < matrix.size() && y >= 0 && y < matrix[0].size() && matrix[x][y] > matrix[i][j])
                memo[i][j] = max(memo[i][j], dfs(matrix, x, y, memo) + 1);
        }
        return memo[i][j];
    }

    int longestIncreasingPath(vector<vector<int>>& matrix) {
        int row = matrix.size(), col = matrix[0].size();
        if(row == 0 || col == 0)
            return 0;
        int ans = 0;
        vector<vector<int>> memo(row, vector<int>(col));
        for(int i = 0; i < matrix.size(); i++)
            for(int j = 0; j < matrix[0].size(); j++)
                ans =  max(ans, dfs(matrix, i, j, memo));
        return ans;
    }
};

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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