LeetCode-688. 骑士在棋盘上的概率

在一个 n x n 的国际象棋棋盘上，一个骑士从单元格 (row, column) 开始，并尝试进行 k 次移动。行和列是 从 0 开始 的，所以左上单元格是 (0,0) ，右下单元格是 (n - 1, n - 1) 。
象棋骑士有8种可能的走法，如下图所示。每次移动在基本方向上是两个单元格，然后在正交方向上是一个单元格。
每次骑士要移动时，它都会随机从8种可能的移动中选择一种(即使棋子会离开棋盘)，然后移动到那里。
骑士继续移动，直到它走了 k 步或离开了棋盘。
返回 骑士在棋盘停止移动后仍留在棋盘上的概率 。
示例 1：
输入: n = 3, k = 2, row = 0, column = 0
输出: 0.0625
解释: 有两步(到(1,2)，(2,1))可以让骑士留在棋盘上。
在每一个位置上，也有两种移动可以让骑士留在棋盘上。
骑士留在棋盘上的总概率是0.0625。
来源：力扣（LeetCode）

DFS算法回顾

深度优先搜索就是在每一步对每一种可能的选择一条道走到底，然后再回过头尝试另外一种选择。
深度优先搜索的关键是要考虑“当前这一步”该如何做，至于“下一步”该怎么做和当前这一步的解决方法是一样的。在进行当前步的选择之前要确定已经做出的选择列表，然后在剩余可供选择的每一种可能进行遍历，对于每一种选择将选择结果以及选择状态代入下一步操作，然后再次进行深度优先搜索。
DFS的实现考虑要以下几个问题即可：
①．边界范围：即搜索终止条件，递归结束条件。
②．可供选择的范围列表：所有可供选择的范围列表。
③． 已做出的选择列表：标记当前已经做出的选择。

题目分析

当前位置走完 k 步后还留在棋盘上的概率 = 8 个方向走完 k-1 步后还留在棋盘上的概率 * 1/8 之和。

可以使用 DFS 算法穷举每一种选择即可。

代码示例

class Solution {
public:
    int dir[8][2] =  {{-2, -1}, {-2, 1}, {2, -1}, {2, 1}, {-1, -2}, {-1, 2}, {1, -2}, {1, 2}};
    double knightProbability(int n, int k, int row, int column) {
        unordered_map<string,double>  res_map;
        return dfs(res_map,n,k,row,column);
    }
    double dfs(unordered_map<string,double>  &res_map,int n, int k, int row, int column)
{
        //边界条件--出界
        if( row < 0 || column < 0 || row >=n || column >=n ) return 0;
        //基线条件-- k == 0 
        if( k == 0 ) return 1;
        //当前位置和次数已经走过了，直接返回
        string cur_key = to_string(row)+"_"+to_string(column)+"_"+to_string(k);
        if( res_map.find(cur_key) != res_map.end() ) return res_map[cur_key];

        //当前能做的选择：8个方向遍历
        for( int i = 0;i < 8;i++)
        {
            int next_row = row+dir[i][0];
            int next_col = column+dir[i][1];

            res_map[cur_key] += dfs(res_map,n,k-1,next_row,next_col)/8;
        }
        return res_map[cur_key];
    }
};