Leetcode-不同路径

Leetcode-不同路径

一个机器人位于一个 m x n 网格的左上角 (起始点在下图中标记为“Start” )。

机器人每次只能向下或者向右移动一步。机器人试图达到网格的右下角(在下图中标记为“Finish”)。

问总共有多少条不同的路径?

例如,上图是一个7 x 3 的网格。有多少可能的路径?

说明:m 和 的值均不超过 100。

示例 1:

输入: m = 3, n = 2
输出: 3
解释:
从左上角开始,总共有 3 条路径可以到达右下角。
1. 向右 -> 向右 -> 向下
2. 向右 -> 向下 -> 向右
3. 向下 -> 向右 -> 向右

示例 2:

输入: m = 7, n = 3
输出: 28

用数学直接有公式可以算,从A到B,共需要向右走n-1步,向下走m-1步。等于m+n-2个槽位,要放m-1个下箭头,n-1个右箭头,是一个组合问题。总共的放法有C_(m+n-2) ^(n-1) 

 

解法一:暴力求解-DFS

从起点出发,每次向右或向下行走,将两种子方案返回的可行路径累加返回。终止条件为到达目的地返回1,走出边界返回0。

    int uniquePaths(int m, int n) {
        return dfs(m,n,1,1);
    }


    int dfs(int m,int n,int i,int j){
        if(i<0 || j<0 || i>m || j>n) return 0;
        if(i==m && j==n) return 1;

        int ret=0;
        
        ret+=dfs(m,n,i+1,j);
        ret+=dfs(m,n,i,j+1);
        return ret;
        
    }

解法二:动态规划,二维数组打表法

v[i][j]表示从(i,j)到目标位置的走法数,则v[i][j]=v[i+1][j]+v[i][j+1]。

v[m-1][n]=1,      v[m][n-1]=1。........

从后往前打表。

    int uniquePaths(int m, int n) {
         vector<vector<int> > v(m,vector<int>(n,1));
        
         for(int j=n-2;j>=0;--j){
             for(int i=m-2;i>=0;--i){
                 v[i][j]=v[i+1][j]+v[i][j+1];
             }
         }
         return v[0][0]; 
    }

解法三:一维数组打表

从后往前遍历,v[i]=v[i]+v[i+1]。

    int uniquePaths(int m, int n) {
        vector<int> v(n-1,0);
        v.push_back(1);

        for(int i=m;i>0;--i){
            for(int j=n-2;j>=0;--j){
                v[j]=v[j+1]+v[j];
            }
        }
        

        return v[0];
    }

 

 

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一常用的算法思想,可以用来解决很多实际问题,比如最长公共子序、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法。 LeetCode的动态规划标签下的题目涵盖了各难度级别和场景的问题。从简单的斐波那契数、迷宫问题到可以用于实际应用的背包问题、最长公共子序等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一常见的算法思想,它通过将问题拆分成子问题的方式进求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这算法思想。
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