文章发布且更新于个人博客:https://www.xerrors.fun/leetcode/li-wu-de-zui-da-jie-zhi-lcof/
1. 题目
在一个 m * n 的棋盘的每一格都放有一个礼物,每个礼物都有一定的价值(价值大于 0)。你可以从棋盘的左上角开始拿格子里的礼物,并每次向右或者向下移动一格、直到到达棋盘的右下角。给定一个棋盘及其上面的礼物的价值,请计算你最多能拿到多少价值的礼物?
链接:https://leetcode-cn.com/problems/li-wu-de-zui-da-jie-zhi-lcof
输入:
[
[1,3,1],
[1,5,1],
[4,2,1]
]
输出: 12
解释: 路径 1→3→5→2→1 可以拿到最多价值的礼物
2. 解题步骤
动态规划
能采用动态规划求解的问题的一般要具有3个性质:
-
最优化原理:如果问题的最优解所包含的子问题的解也是最优的,就称该问题具有最优子结构,即满足最优化原理。
-
无后效性:即某阶段状态一旦确定,就不受这个状态以后决策的影响。也就是说,某状态以后的过程不会影响以前的状态,只与当前状态有关。
-
有重叠子问题:即子问题之间是不独立的,一个子问题在下一阶段决策中可能被多次使用到。(该性质并不是动态规划适用的必要条件,但是如果没有这条性质,动态规划算法同其他算法相比就不具备优势)
同样根据第一个原理,本题也不适用。因为在有些时候并不是得到局部最优解
是我傻了,这明显是一个很基础的动态规划的问题,子问题的划分是从起始位置开始划分的,而不是把一个节点的选择当作子问题。所以下面使用动态规划来解决这个问题。
首先是需要知道动态规划的状态转移方程。
V[i][j] = max(V[i-1][j], V[i][j-1]) + grid[i][j]
然后几行代码解决问题
class Solution:
def maxValue(self, grid: List[List[int]]) -> int:
m,n = len(grid),len(grid[0])
v = [ [0] * (n+1) for k in range(m+1)]
for i in range(1, m+1):
for j in range(1, n+1):
v[i][j] += max(v[i][j-1], v[i-1][j]) + grid[i-1][j-1]
return v[-1][-1]
3. 走过的坑
下面是我的尝试的其他办法(现在看看,弱智一样)
贪心算法
PS:这么明显的动态规划问题,我也不晓得为啥最先想到的是贪心算法,而且在后面还顺便断了我的动态规划的念头。
判断当前情况的最优解
class Solution:
def maxValue(self, grid: List[List[int]]) -> int:
maxVal = grid[0][0]
m = len(grid)
n = len(grid[0])
i, j = 0, 0
while True:
if i == m-1:
while j < n-1:
maxVal += grid[i][j+1]
j += 1
return maxVal
elif j == n-1:
while i < m-1:
maxVal += grid[i+1][j]
i += 1
return maxVal
elif grid[i+1][j] >= grid[i][j+1]:
maxVal += grid[i+1][j]
i += 1
else:
maxVal += grid[i][j+1]
j += 1
return maxVal
对于测试用例有效,但是对于 [ [1,2,5], [3,2,1] ]
无效,个人认为是因为贪心算法成立需要满足最优子结构,最优子结构的意思是局部最优解能决定全局最优解。简单地说,问题能够分解成子问题来解决,子问题的最优解能递推到最终问题的最优解。
但是对于这个题目而言,容易进入局部最优解的情况,所以最终结果并不是最优解。
A* 算法
这个题目让我想到了人工智能课上学习到的启发式搜索,但是这个搜索办法似乎并不能够总是得到最优解,先试一下再说。
方法虽然好用,可以快速找到可行的解,但是缺点也很明显,找不到最优解;尽管我在此基础上添加了一个缓冲队列,用来保存最先解出来的可行解,最后从缓冲中找到缓冲中的最优解。但是还是没办法找到最优解。毕竟这是硬伤。
import heapq
class Node:
def __init__(self, grid, cur=None, right=True):
if not cur:
self.i = 0
self.j = 0
self.value = len(grid) + len(grid[0]) + grid[0][0] - 2
return
if right:
self.i = cur.i
self.j = cur.j+1
else:
self.i = cur.i+1
self.j = cur.j
self.value = cur.value + grid[self.i][self.j] - 1
def __lt__(self, other):
# 取最大的
return self.value > other.value
class Solution:
def maxValue(self, grid: List[List[int]]) -> int:
m = len(grid)
n = len(grid[0])
i, j = 0, 0
q = [Node(grid)]
buf = []
heapq.heapify(q)
while len(q) > 0:
cur = heapq.heappop(q)
if cur.j < n-1:
heapq.heappush(q, Node(grid, cur, True))
if cur.i < m-1:
heapq.heappush(q, Node(grid, cur, False))
if cur.i == m-1 and cur.j == n-1:
buf.append(cur.value)
if len(buf) > 10:
break
return max(buf)