来自北大算法课的Leetcode题解：120. 三角形最小路径和_leetcode 三角形走遍所有顶点最短路径和-CSDN博客

本文探讨了一种使用动态规划解决三角形中最短路径问题的方法。通过不断更新每个位置的最短路径，将空间复杂度从二维数组降低到一维，并直接在原数组上进行操作以进一步优化，达到O(1)的空间复杂度。两种解决方案被提出并进行了比较。

代码仓库：Github | Leetcode solutions @doubleZ0108 from Peking University.

解法1(T55% S22%): 动态规划

dp[i][j]：从顶点走到(i,j)的最短路径长
转移方程：dp[i][j] = min(dp[i-1][j], dp[i][j-1]) + t[i][j]
初始化：dp[0][0] = t[0][0]
目标：min(dp[0])
- 注意下标索引不越界，在找上层元素时要防止越界，最终返回值也不要越界
- 改进1: 三角形这个结构是一层层的，当前层的传递只跟上一层有关，因此只需要n维的两个数组进行dp即可，空间复杂度降到 $O (N)$
- 改进2(T83% S66%): 直接用原数组进行动态规划，不需要开辟新空间 $O (1)$

class Solution(object):
    def minimumTotal(self, triangle):
        """
        :type triangle: List[List[int]]
        :rtype: int
        """
        for i in range(1, len(triangle)):
            for j in range(len(triangle[i])):
                triangle[i][j] = min(triangle[i-1][min(j,len(triangle[i-1])-1)], triangle[i-1][max(j-1,0)]) + triangle[i][j]

        return min(triangle[len(triangle)-1])

    def otherSolution(self, triangle):
        # 解法1
        n = len(triangle)
        dp = []
        for row in triangle:
            dp.append([0 for _ in range(len(row))])
        dp[0][0] = triangle[0][0]

        for i in range(1, n):
            for j in range(len(triangle[i])):
                    dp[i][j] = min(dp[i-1][min(j,len(triangle[i-1])-1)], dp[i-1][max(j-1,0)]) + triangle[i][j]


        return min(dp[n-1])