今天终于收到了论文二审的结果,很高兴是“minor revisions”,但愿认真改改能accept啊。刚刚刷了一道题感觉线性规划的题目,如果真的玩6了,还是挺容易的,下面就和大家分享一下经验吧!
题目如下:
题意分析:
给定一个由非负数填满的m*n方格,请从左上角到右下角的所有路径中,找出最小的路径和。
注:任何位置每次只能向下或者向右移动一步。
方法一(动态规划法DP①)
首先新建一个二维 dp 数组用于记录到达各个位置的最小路径和,其中dp[i][j] 表示到达(i,j)的最小路径和,然后找状态转移方程,因为到达当前位置 (i, j) 只有两种情况,要么从上方 (i-1, j) 过来,要么从左边 (i, j-1) 过来,选择 dp 值较小的那个路径,即比较 dp[i-1][j] 和 dp[i][j-1],并将其中的较小值加上当前的数字 grid[i][j],以更新当前位置的dp[i][j]值。但是有些特殊情况要分类处理,①对于起点位置,d[0][0] 直接赋值为 grid[0][0],② 第一行的位置只能从左边过来,可单独处理,不用比较大小直接累加 ③ 第一列的位置从能从上面过来,可单独处理,不用比较大小直接累加。最后从 (1, 1) 的位置开始更新到右下角,并返回dp[row-1][col-1]即可。
小结:动态规划有点“步步为营”的感觉,最终的结果更多是通过中间结果过渡而来的。
解题代码如下:
class Solution{
public:
int minPathSum(vector<vector<int>>& grid){
int row = grid.size();
if ( row == 0 ) return 0;
int col = grid[0].size();
vector<vector<int>> dp( row, vector<int>( col ) );
//dp[i][j]是记录达到(i,j)的最小路径和
dp[0][0] = grid[0][0];
//对第一行进行处理
for (int i = 1; i < col; i++) {
dp[0][i] = grid[0][i] + dp[0][i-1];
}
//对第一列进行处理
for (int i = 1; i < row; i++) {
dp[i][0] = grid[i][0] + dp[i-1][0];
}
//对其余行列进行处理
for (int i = 1; i < row; i++) {
for (int j = 1; j < col; j++) {
dp[i][j] = grid[i][j] + min( dp[i-1][j], dp[i][j-1] );
}
}
return dp[row-1][col-1];
}
};
提交后的结果如下:
方法二(优化方法一)
方法一中的空间复杂度是可以优化的,其实只需要一个一维的 dp 数组就可以了,除了 dp[0][0] 要初始化为0,其余值均初始化为整型最大值,之所以可以用一维数组代替之前的二维数组,是因为当前的 dp 值只跟左边和上面的 dp 值有关,这里不用提前单独处理第一行或是第一列,而是在遍历的时候判断,若 i = 0 则表明是第一行,dp[j] 是整型最大值,所以肯定会取到 dp[j-1] 的值,若 j = 0则说明是第一列,直接加上当前的数字(正因为有这一步的存在,才使得dp[j-1]能代表左边,dp[j]能代表上边),否则要比较是左边的 dp[j-1] 小还是上面的 dp[j] 小,然后再加上当前位置的数字即可,最后返回dp[col - 1]。
解题代码如下:
class Solution {
public:
int minPathSum(vector<vector<int>>& grid) {
int row = grid.size();
if ( row == 0 ) return 0;
int col = grid[0].size();
vector<int> dp(col, INT_MAX);
dp[0] = 0;
for (int i = 0; i < row; ++i) {
for (int j = 0; j < col; ++j) {
if (j == 0) dp[j] += grid[i][j];
else dp[j] = grid[i][j] + min(dp[j], dp[j - 1]);
}
}
return dp[col - 1];
}
};
提交后的结果如下:
日积月累,与君共进,增增小结,未完待续。