剑指 Offer 13. 机器人的运动范围

地上有一个m行n列的方格，从坐标 [0,0] 到坐标 [m-1,n-1] 。一个机器人从坐标 [0, 0] 的格子开始移动，它每次可以向左、右、上、下移动一格（不能移动到方格外），也不能进入行坐标和列坐标的数位之和大于k的格子。例如，当k为18时，机器人能够进入方格 [35, 37] ，因为3+5+3+7=18。但它不能进入方格 [35, 38]，因为3+5+3+8=19。请问该机器人能够到达多少个格子？

示例 1：

输入：m = 2, n = 3, k = 1
输出：3

示例 2：

输入：m = 3, n = 1, k = 0
输出：1

深度优先算法

class Solution:

       def movingCount(self, m: int, n: int, k: int) -> int:
           
            def dfs(cur_x, cur_y, board):

                sum_k = cur_x // 10 + cur_x % 10 + cur_y // 10 + cur_y % 10

                if not 0 <= cur_x < m or not 0 <= cur_y < n or sum_k > k or board[cur_x][cur_y] < 0:
                    return 0

                board[cur_x][cur_y] = -1

                result = 1 + dfs(cur_x + 1, cur_y, board) + dfs(cur_x - 1, cur_y, board) + \
                        dfs(cur_x, cur_y + 1, board) + dfs(cur_x, cur_y - 1, board)

                return result

            board = [[1 for j in range(n)] for i in range(m)]

            return dfs(0, 0, board)

下面附上大神的解法

数位之和计算：

设一数字 xx ，向下取整除法符号 ，求余符号 \odot⊙ ，则有：

• $x\odot 10$ ：得到 xx 的个位数字；
• $x//10$ ： 令 xx 的十进制数向右移动一位，即删除个位数字。

因此，可通过循环求得数位和 $s$ ，数位和计算的封装函数如下所示：

def sums(x):
    s = 0
    while x != 0:
        s += x % 10
        x = x // 10
    return s

由于机器人每次只能移动一格（即只能从 $x$ 运动至 $x\pm 1$），因此每次只需计算 $x$ 到 $x\pm 1$ 的数位和增量。本题说明 $1\le n,m\le 100$ ，以下公式仅在此范围适用。

• 当 $(x+1)\odot 10=0$ 时： $s_{x+1}=s_x-8$ 例如 $19,20$ 的数位和分别为 $19,20$ ；
• 当 $(x+1)\odot 10\ne 0$ 时： $s_{x+1}=s_x+1$，例如 $1,2$ 的数位和分别为 $1,2$ 。

以下代码为增量公式的三元表达式写法，将整合入最终代码中。

s_x + 1 if (x + 1) % 10 else s_x - 8

可达解分析：
根据数位和增量公式得知，数位和每逢 进位 突变一次。根据此特点，矩阵中 满足数位和的解 构成的几何形状形如多个 等腰直角三角形 ，每个三角形的直角顶点位于 $0,10,20,...$ 等数位和突变的矩阵索引处 。

三角形内的解虽然都满足数位和要求，但由于机器人每步只能走一个单元格，而三角形间不一定是连通的，因此机器人不一定能到达，称之为 不可达解 ；同理，可到达的解称为 可达解 （本题求此解） 。

图例展示了 $n,m=20$ ，$k\in [6,9]$ 的可达解、不可达解、非解，以及连通性的变化。

k = 6

k = 7

k = 8

k = 9

k = 10

根据可达解的结构和连通性，易推出机器人可 仅通过向右和向下移动，访问所有可达解 。

• 三角形内部： 全部连通，易证；

• 两三角形连通处： 若某三角形内的解为可达解，则必与其左边或上边的三角形连通（即相交），即机器人必可从左边或上边走进此三角形。
  
  方法一：深度优先遍历 DFS

• 深度优先搜索： 可以理解为暴力法模拟机器人在矩阵中的所有路径。DFS 通过递归，先朝一个方向搜到底，再回溯至上个节点，沿另一个方向搜索，以此类推。

• 剪枝： 在搜索中，遇到数位和超出目标值、此元素已访问，则应立即返回，称之为 可行性剪枝 。

算法解析：

• 递归参数： 当前元素在矩阵中的行列索引 i 和 j ，两者的数位和 si, sj 。
• 终止条件： 当 ① 行列索引越界 或 ② 数位和超出目标值 k 或 ③ 当前元素已访问过 时，返回 $0$ ，代表不计入可达解。
• 递推工作：
  1. 标记当前单元格 ：将索引 (i, j) 存入 Set visited 中，代表此单元格已被访问过。
  2. 搜索下一单元格： 计算当前元素的 下、右 两个方向元素的数位和，并开启下层递归 。
• 回溯返回值： 返回 1 + 右方搜索的可达解总数 + 下方搜索的可达解总数，代表从本单元格递归搜索的可达解总数。

class Solution:
    def movingCount(self, m: int, n: int, k: int) -> int:
        def dfs(i, j, si, sj):
            if i >= m or j >= n or k < si + sj or (i, j) in visited: return 0
            visited.add((i,j))
            return 1 + dfs(i + 1, j, si + 1 if (i + 1) % 10 else si - 8, sj) + dfs(i, j + 1, si, sj + 1 if (j + 1) % 10 else sj - 8)

        visited = set()
        return dfs(0, 0, 0, 0)

方法二：广度优先遍历 BFS

• BFS/DFS ： 两者目标都是遍历整个矩阵，不同点在于搜索顺序不同。DFS 是朝一个方向走到底，再回退，以此类推；BFS 则是按照“平推”的方式向前搜索。
• BFS 实现： 通常利用队列实现广度优先遍历。

算法解析：

• 初始化： 将机器人初始点 $(0,0)$ 加入队列 queue ；
• 迭代终止条件： queue 为空。代表已遍历完所有可达解。
• 迭代工作：
  1. 单元格出队： 将队首单元格的 索引、数位和 弹出，作为当前搜索单元格。
  2. 判断是否跳过： 若 ① 行列索引越界 或 ② 数位和超出目标值 k 或 ③ 当前元素已访问过 时，执行 continue 。
  3. 标记当前单元格：将单元格索引 (i, j) 存入 Set visited 中，代表此单元格 已被访问过 。
  4. 单元格入队： 将当前元素的 下方、右方 单元格的 索引、数位和 加入 queue。
• 返回值： Set visited 的长度 len(visited) ，即可达解的数量

class Solution:
    def movingCount(self, m: int, n: int, k: int) -> int:
        queue, visited,  = [(0, 0, 0, 0)], set()
        while queue:
            i, j, si, sj = queue.pop(0)
            if i >= m or j >= n or k < si + sj or (i, j) in visited: continue
            visited.add((i,j))
            queue.append((i + 1, j, si + 1 if (i + 1) % 10 else si - 8, sj))
            queue.append((i, j + 1, si, sj + 1 if (j + 1) % 10 else sj - 8))
        return len(visited)