【LeetCode刷题笔记】动态规划（三）

64. 最小路径和

解题思路：

• 1. DFS 从上往下【超时】 ，定义递归函数 dfs(grid, i,  j, path) ， 每次递归中 使用 path 收集（累加）沿途遇到的节点值，然后 按照 往下 走和 往右 走进行两路递归调用，dfs(grid, i + 1,  j, path + grid[i][j])，dfs(grid, i,  j + 1, path + grid[i][j])， 注意往下走和往右走的时候判断下标未越界才继续。
• 递归终止 ： i == M - 1 && j == N - 1 ，即 当 到达右下角时， 更新答案取 res 和 path 的 最小值 。

解题思路：

• 2. DFS + 记忆优化 ，自底向上，递归函数返回从  [i, j]  位置出发达到右下角 [M - 1, N - 1] 的最小路径和。
• 每次递归中，按照 往下 走和 往右 走进行子递归调用， dfs(grid, i + 1,  j ) ， dfs(grid, i,  j + 1 ) ， 收集返回结果，当前函数返回 min(往下走的最小路径和, 往右走的最小路径和 ) + 当前节点值 作为当前节点到右下角的最小路径和。
• 递归终止： i == M - 1 && j == N - 1 时，即到达右下角位置，返回 右下角自身的节点值 。

解题思路：

• 3.  动态规划 ， 从右下角出发倒推 ，定义 dp[i][j] 表示从坐标 (i, j) 到右下角的最小路径和， 最终返回 dp[0][0] 。
• 初始化 右下角 的 dp 状态值为 自身 的节点值，在 最后一行 中，只能选择 往右 走，因此 dp[i][j] = 自身节点值 + 右边一列的dp值 ，在 最后一列 中，只能选择 往下 走，因此   dp[i][j] = 自身节点值 + 下边一行的dp值 。
• 对于其它位置，既可以 往右 走也可以 往下 走， dp 值取决于 min( 右边一列的dp值, 下边一行的dp值) + 自身节点值 。因此我们从倒数第二行第二列开始倒序计算剩余每个位置的 dp 值。

解题思路：

• 4. 动态规划 ，从左上角出发正推, 定义 dp[i][j] 表示从 (0, 0) 到 (i, j) 的最小路径和， 最终返回 dp[M - 1][N - 1] 。
• 初始化 左上角 的 dp 值为 自身 , 在 第一行 中，当前位置只能由 左边一列 到达，因此 dp = 左侧一列的dp + 自身节点值 ， 在 第一列 中，当前位置只能由 上边一行 到达，因此 dp = 上边一行的dp + 自身节点值 。
• 然后从第二行第二列开始更新剩余位置 dp 值，剩余位置可以由 左侧 或 上方 到达，因此 dp = min(上方dp，左侧dp) + 自身 。

剑指 Offer 47. 礼物的最大价值

解题思路：

• 同【64. 最小路径和】只不过本题是求 最大路径和 ，将求 min 的地方改成求 max 即可。

931. 下降路径最小和

解题思路：

• 1. 动态规划 ， 自底而上 ，定义 dp[i][j] 表示从元素 [i, j] 出发的下降路径最小和， 最终返回 dp 数组里 第一行 中的 最小dp值 。
• 初始化 最后一行 的 dp 值为 自身 ，然后从从 倒数第2行 开始计算其余位置 dp 值。
• 因为是 从下往上 求解的，所以如果是 最左边一列 ，只能由 下方 和 右下方 位置到达，因此 dp = min(下方dp, 右下方dp) + 当前节点值 。 同样，如果是 最右边一列 ，只能由 下方 和 左下方 位置到达 ，因此 dp = min(下方dp, 左下方dp) + 当前节点值 。
• 其他位置，可以 由 下方 、 左下方 、 右下方 三个 位置到达 ，因此 dp = min(下方dp, 左下方dp，右下方dp) + 当前节点值 。

1. 当前位置为最左边一列的时候

当前位置（1，0）只能由（2，0）和（2，1）得到，因此最小下降路径和取二者最小加自身，此时对应的状态转移方程：dp[i][j] = min(dp[i + 1][j],dp[i + 1][j + 1]) + matrix[i][j]

2. 当前位置为最右边一列的时候

当前位置（1，2）只能由（2，1）和（2，2）得到，因此最小下降路径和取二者最小加自身，此时对应的状态转移方程：dp[i][j] = min(dp[i + 1][j],dp[i + 1][j - 1]) + matrix[i][j]

3. 非左边和非右边的列

当前位置（1，1）的只能由（2，0），（2，1）和（2，2）得到，那么要求（1，1）处最小下降路径和，就是从这三个可选方案中，选择最小的一个加上自身的值，因此我们得到了状态转移方程：dp[i][j] = min(dp[i + 1][j], min(dp[i + 1][j + 1], dp[i + 1] [j - 1])) + matrix[i][j]

解题思路：

• 2. 动态规划 ， 自上而下 ，定义 dp[i][j] 表示从 第0行 到 [i, j] 位置的下降路径最小和， 最终返回 dp 数组里 最后一行 中的 最小dp值 。
• 初始化 第一行 的 dp 值为 自身 ，然后从 第2行 开始计算其余位置 dp 。
• 如果是 最左边一列 ，只能由 上方 和 右上方 到达，因此 dp = min(上方dp, 右上方dp) + 当前节点值 。如果是 最右边一列 ，只能由 上方 和 左上方 到达，因此 dp = min(上方dp, 左上方dp) + 当前节点值 。
• 其他位置，可以由 上方 、 左上 、 右上 三个方向到达，因此 dp = min(上方dp, 左上方dp，右上方dp) + 当前节点值 。

 本题思路类似64，只是方向细节不同。

62. 不同路径

解题思路：

• 1. DFS + 记忆优化 ，递归函数返回从 [i, j] 出发到右下角的路径数，每次递归中按照 往下 走和 往右 走两个方向进行递归调用（注意越界判断），将两个方向返回的路径数 相加之和 作为当前递归函数的返回值。
• 递归终止： i == m - 1 && j == n - 1 ，即到达 右下角 时，返回 1种 路径数。

解题思路：

• 2. 动态规划 ， 从 右下角 出发 ，求 每个位置 到 右下角 的路径数，定义 dp[i][j] 表示从位置 [i, j] 到 [m - 1, n - 1] 的路径数， 最终返回 dp[0][0] 。
• 在 最后一行 和 最后一列 中，只能沿着 一个方向 前进，因此 dp 值是 1 。
• 其他位置，可以由 右边 或 下方 到达，因此 dp 值是 下方 和 右边 的 dp 值相加 之和 ， dp[i][j] =  dp[i + 1][j] +  dp[i][j  + 1 ] 。

这个解法求的其实是右下角到每个位置的路径数，包括了起始位置。注意，题目求的是路径总数，因此dp值是求和，如果求的是最大路径数/最小路径数，那dp值在更新时就是比最大/最小值。

解题思路：

• 3. 动态规划 ， 从左上角出发 ，求 初始 位置 到每个 位置 的路径数，定义  dp[i][j] 表示从位置 [0, 0] 到 [i, j] 的路径数， 最终返回 dp[m-1][n-1] 。
• 在 第一行 和 第一列 中，只能沿着 一个方向 前进， 因此 dp 值是 1 。
• 其他位置，可以由 上方 或 左侧 位置达到，因此 dp 值是 上方 和 左侧