算法：[动态规划]路径问题

目录

题目一：不同路径

题目二：不同路径II

题目三：珠宝的最高价值

题目四：下降路径最小和

题目五：最小路径和

题目六：地下城游戏

---

题目一：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？

示例 1：

输入：m = 3, n = 7
输出：28

示例 2：

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 -> 向下 -> 向下
2. 向下 -> 向下 -> 向右
3. 向下 -> 向右 -> 向下

示例 3：

输入：m = 7, n = 3
输出：28

示例 4：

输入：m = 3, n = 3
输出：6

---

依旧是这五步：

①状态表示

经验 + 题目要求

以 [i, j] 为结尾 ......

dp[i][j]表示：走到 [i, j] 位置时一共有多少种方式

②状态转移方程

根据最近的一步，划分问题

因为只能向右或是向下移动，那么移动到 [i, j] 位置前的位置，一定是上边的或是左边的位置，也就是坐标为：[ i - 1, j] 或 [ i, j - 1]

所以到 [i, j]位置时的方法数，相当于从起点走到上边或左边位置的方法数，因为走到上边或左边后，走一步走到了[i, j]位置

所以状态转移方程：

dp[i, j] = dp[i -1 , j] + dp[i, j - 1]

③初始化

因为当前位置需要上面或左边位置的方法数，但是上面或是左边可能会越界，那么此时可以给网格多加一行和一列，这样就可以保证每个格子都存在上面和左边的位置了

所以下面考虑两个细节：

1、虚拟节点的值需要保证后面填表的结果是正确的

这里可不是将所有值全部初始化为0，而是将第一个位置的上面的虚拟节点(或左边的)初始化为1，剩下的各自初始化为0，这样就可以保证第一个位置的结果为1，继而每个位置的结果是正确的

上述的绿色方框就是虚拟出来的结点，红数字就是虚拟节点的值，可以保证填表的结果是正确的

2、下标的映射

映射每个位置都+1即可

④填表顺序

填表顺序从上到下填写，从左到右填写

⑤返回值

因为多开辟了一行一列，所以返回值就是dp[m, n]

代码如下：

class Solution 
{
public:
    int uniquePaths(int m, int n) 
    {
        // 初始化为0
        vector<vector<int>> dp(m + 1, vector<int>(n + 1, 0));
        dp[0][1] = 1;
        for(int i = 1; i <= m; i++) // 从上向下填表
            for(int j = 1; j <= n; j++) // 从左向右填表
                dp[i][j] = dp[i - 1][j] + dp[i][j - 1];
        return dp[m][n];
    }       
};

---

题目二：不同路径II

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”）。

现在考虑网格中有障碍物。那么从左上角到右下角将会有多少条不同的路径？

网格中的障碍物和空位置分别用 1 和 0 来表示。

示例 1：

输入：obstacleGrid = [[0,0,0],[0,1,0],[0,0,0]]
输出：2
解释：3x3 网格的正中间有一个障碍物。
从左上角到右下角一共有 2 条不同的路径：
1. 向右 -> 向右 -> 向下 -> 向下
2. 向下 -> 向下 -> 向右 -> 向右

示例 2：

输入：obstacleGrid = [[0,1],[0,0]]
输出：1

---

这道题是上一题的升级版，在表格中加上了障碍物，同样是求有多少种方式到右下角

①状态表示

和上一题的状态表示一样：

dp[i][j]表示：走到 [i, j] 位置时一共有多少种方式

②状态转移方程

如果有障碍物，dp[i][j] = 0

如果没有障碍物，dp[i][j] = dp[i - 1][ j ] + dp[ i ][j - 1]

③初始化

与上一题一样，多加一行多加一列

也是将dp[0][1] = 1，剩下的虚拟位置为0

④填表顺序

同样是从上到下填表，从左到右填表

⑤返回值

同样返回dp[m][n]

代码如下：

class Solution 
{
public:
    int uniquePathsWithObstacles(vector<vector<int>>& ob) 
    {
        int m = ob.size(), n = ob[0].size();
        // 创建dp表
        vector<vector<int>> dp(m + 1, vector<int>(n + 1));
        // 初始化
        dp[0][1] = 1;
        // 从上向下，从左向右填表
        for(int i = 1; i <= m; i++)
        {
            for(int j = 1; j <= n; j++)
            {
                // 如果为0，就说明没有障碍物，执行状态转移方程
                // 如果为1，有障碍物不需要处理，该位置的值即方式数默认为0
                if(ob[i - 1][j - 1] == 0)
                {
                    dp[i][j] = dp[i - 1][j] + dp[i][j - 1];
                }
            }
        }
        return dp[m][n];
    }
};

---

题目三：珠宝的最高价值

现有一个记作二维矩阵 frame 的珠宝架，其中 frame[i][j] 为该位置珠宝的价值。拿取珠宝的规则为：

• 只能从架子的左上角开始拿珠宝
• 每次可以移动到右侧或下侧的相邻位置
• 到达珠宝架子的右下角时，停止拿取

注意：珠宝的价值都是大于 0 的。除非这个架子上没有任何珠宝，比如 frame = [[0]]。

示例 1:

输入: frame = [[1,3,1],[1,5,1],[4,2,1]]
输出: 12
解释: 路径 1→3→5→2→1 可以拿到最高价值的珠宝

---

这道题同样是从左上角移动到右下角，并且只能向右或想下移动

①状态表示

以这个位置为结尾，......

所以dp[i][j]表示从起点到当前位置时，珠宝的最高价值

②状态转移方程

根据最近的一步，划分问题

所以同样，到达某一个位置，只会从上边或是左边的位置移动到当前位置

所以当前位置的最大价值，就是上边或是左边的位置的最大价值，加上当前位置的最大价值

因为要的是最大价值，所以需要找到这两个位置的最大值，再加该位置的价值

dp[i][j] = max(dp[i - 1][j], dp[i][j - 1]) + g[i][j]

③初始化

同样可能会出现越界的情况，所以多加一行一列

此时为了保证填表的值是正确的，因为每个位置的价值不可能出现小于0的情况，所以根据上面的状态转移方程，可以知道多加的一行和一列位置为0就可以保证结果正确

下标的映射就需要注意：当想要访问原表时，横纵坐标都需要减1

④填表顺序

填表顺序从上往下填写，从左往右填写

⑤返回值

同样返回值是dp[m][n]

代码如下：

class Solution 
{
public:
    int jewelleryValue(vector<vector<int>>& frame) 
    {
        int m = frame.size(), n = frame[0].size();
        // 创建dp表 + 初始化
        vector<vector<int>> dp(m + 1, vector<int>(n + 1));
        for(int i = 1; i <= m; i++)
            for(int j = 1; j <= n; j++)
                dp[i][j] = max(dp[i-1][j], dp[i][j-1]) + frame[i-1][j-1];
        return dp[m][n];
    }
};

---

题目四：下降路径最小和

给你一个 n x n 的 方形 整数数组 matrix ，请你找出并返回通过 matrix 的下降路径 的 最小和 。

下降路径 可以从第一行中的任何元素开始，并从每一行中选择一个元素。在下一行选择的元素和当前行所选元素最多相隔一列（即位于正下方或者沿对角线向左或者向右的第一个元素）。具体来说，位置 (row, col) 的下一个元素应当是 (row + 1, col - 1)、(row + 1, col) 或者 (row + 1, col + 1) 。

示例 1：

输入：matrix = [[2,1,3],[6,5,4],[7,8,9]]
输出：13
解释：如图所示，为和最小的两条下降路径

示例 2：

输入：matrix = [[-19,57],[-40,-5]]
输出：-59
解释：如图所示，为和最小的下降路径

---

分为五步解决：

①状态表示

dp[i][j]表示：到达[i, j]位置时最小的下降路径

②状态转移方程

根据最近的一步

因为可能从三个位置移动到当前位置，分别是：左上角、正上方、右上角

所以分为三种情况：

1、从[i - 1][j - 1]到[i][j]
2、从[i - 1][ j ] 到[i][j]
3、从[i - 1][j + 1]到[i][j]

因为要求的是最小的下降路径，所以就是上述三种情况的最小值，再 + m[i][j] 的值

dp[i][j] = min(情况1，情况2，情况3) + m[i][j]

③初始化

因为每一个位置都可能需要上面的三个位置，所以左边上面右边的一列，都有可能越界，因此还是采用扩容的方式，来保证不越界访问

其中虚线就表示扩容的位置：

因为求的是路径的最小值，所以第一行的虚拟值全部给0，不会影响结果，而从第二行开始，为了不影响到最终的结果，需要将值都填为正无穷大，这样就可以保证肯定不会选到这个位置，从而影响最终的结果，所以最终初始化结果为：

还需要注意下标映射的位置

④填表顺序

因为填每一个位置只需要上面的三个位置，而不需要用到左右位置的数

所以填表顺序是从上往下填

⑤返回值

返回值到最后一行就是最终的路径和了，所以返回值是dp表最后一行的最小值

代码如下：

class Solution {
public:
    int minFallingPathSum(vector<vector<int>>& m) {
        int n = m.size();
        // 创建dp表，默认初始化为+∞
        vector<vector<int>> dp(n + 1, vector<int>(n + 2, INT_MAX));
        // 将第一行虚拟的位置初始化为0
        for(int j = 0; j < n + 2; j++) dp[0][j] = 0;
        // 填表
        for(int i = 1; i <= n; i++)
            for(int j = 1; j <= n; j++)
                dp[i][j] = min(min(dp[i-1][j-1], dp[i-1][j]), dp[i-1][j+1]) + m[i-1][j-1];
        int ret = INT_MAX;
        // 取最后一行dp表中最小的值
        for(int j = 1; j <= n; j++) ret = min(ret, dp[n][j]);
        return ret;
    }
};

---

题目五：最小路径和

给定一个包含非负整数的 m x n 网格 grid ，请找出一条从左上角到右下角的路径，使得路径上的数字总和为最小。

说明：每次只能向下或者向右移动一步。

示例 1：

输入：grid = [[1,3,1],[1,5,1],[4,2,1]]
输出：7
解释：因为路径 1→3→1→1→1 的总和最小。

示例 2：

输入：grid = [[1,2,3],[4,5,6]]
输出：12

---

这道题可以说是非常熟悉了，与珠宝的最高价值非常像，那道题是最高价值，这道题是最小路径和，并且也是只能向下或是向右移动一步

①状态表示

以这个位置为结尾，......

所以dp[i][j]表示从起点到当前位置时，最小路径和

②状态转移方程

根据最近的一步，划分问题

所以同样，到达某一个位置，只会从上边或是左边的位置移动到当前位置

所以当前位置的最小路径和，就是上边或是左边的位置的最小路径和，再加上当前位置的路径

因为要的是最小路径和，所以需要找到这两个位置的最小值，再加该位置的路径即可

dp[i][j] = min(dp[i - 1][j], dp[i][j - 1]) + g[i][j]

③初始化

同样可能会出现越界的情况，所以多加一行一列

此时为了保证填表的值是正确的，因为每个位置的价值不可能出现小于0的情况，所以根据上面的状态转移方程，可以知道多加的一行和一列位置全部为INT_MAX，并且将第一个位置的上面或是左边置为0就可以保证结果正确

因为此时第一个位置的最小路径和就是它本身的值，而接下来该第二位置时就不会选择上面的值，只会选择第一个位置，因为第二个位置上面是INT_MAX，要求的是最小值，所以只会选择0

下标的映射就需要注意：当想要访问原表时，横纵坐标都需要减1

④填表顺序

填表顺序从上往下填写，从左往右填写

⑤返回值

同样返回值是dp[m][n]

代码如下：

class Solution 
{
public:
    int minPathSum(vector<vector<int>>& g) 
    {
        int m = g.size(), n = g[0].size();
        // 创建dp表，先全部初始化为INT_MAX，将第一个位置上面位置初始化为0即可
        vector<vector<int>> dp(m + 1, vector<int>(n + 1, INT_MAX));
        dp[0][1] = 0;
        // 填表，需要注意下标的映射问题
        for(int i = 1; i <= m; i++)
            for(int j = 1; j <= n; j++)
                dp[i][j] = min(dp[i - 1][j], dp[i][j - 1]) + g[i-1][j-1];
        return dp[m][n];    
    }   
};

---

题目六：地下城游戏

恶魔们抓住了公主并将她关在了地下城 dungeon 的 右下角 。地下城是由 m x n 个房间组成的二维网格。我们英勇的骑士最初被安置在 左上角 的房间里，他必须穿过地下城并通过对抗恶魔来拯救公主。

骑士的初始健康点数为一个正整数。如果他的健康点数在某一时刻降至 0 或以下，他会立即死亡。

有些房间由恶魔守卫，因此骑士在进入这些房间时会失去健康点数（若房间里的值为负整数，则表示骑士将损失健康点数）；其他房间要么是空的（房间里的值为 0），要么包含增加骑士健康点数的魔法球（若房间里的值为正整数，则表示骑士将增加健康点数）。

为了尽快解救公主，骑士决定每次只 向右 或 向下 移动一步。

返回确保骑士能够拯救到公主所需的最低初始健康点数。

注意：任何房间都可能对骑士的健康点数造成威胁，也可能增加骑士的健康点数，包括骑士进入的左上角房间以及公主被监禁的右下角房间。

示例 1：

输入：dungeon = [[-2,-3,3],[-5,-10,1],[10,30,-5]]
输出：7
解释：如果骑士遵循最佳路径：右 -> 右 -> 下 -> 下 ，则骑士的初始健康点数至少为 7 。

示例 2：

输入：dungeon = [[0]]
输出：1

---

下面依旧分为五步：

①状态表示

经验 + 题目要求

1、以某位置为结尾 .....

此时dp[i][j]表示：从起点出发， 到达[i, j]位置时，所需的最低的初始健康点数

但是这道题中，这种表示方式是不可取的，因为该位置的健康点数不仅受到上面或是左边的点数影响，还会受到下一个位置健康点数的影响，因为这种方式只能根据上面或左边的点数决定，不会考虑到后面位置的影响， 所以排除这种方式

2、以某位置为起点 .....

此时dp[i][j]表示：从[i, j]位置出发， 到达终点时，所需的最低的初始健康点数

这时就能够满足，此时下一步的位置是往下或是往右边移动

②状态转移方程

因为此时的状态表示是以该位置为起点，所以分析如下：

有两种情况，往右边走和往下边走，假设当前的最低健康点数是x，d[i][j]表示当前位置的值，所以需要满足：
x + d[i][j] >= dp[i][j + 1] / x + d[i][j] >= dp[i + 1][j]

x + d[i][j] 就表示能从 [i, j] 位置走出来
>= dp[i][j + 1] 表示走出来后的值还需要能够满足移动到下一个位置的健康点数

所以不等式交换一下得到：x >= dp[i][j + 1] - d[i][j] / x >= dp[i + 1][j] - d[i][j]

所以 dp[i][j] = min(dp[i][j + 1], dp[i + 1][j]) - d[i][j]

但是这里有一种特殊情况，d[i, j] 的值如果非常大，可能走到dp[i, j]位置时是负数，但是加上这个位置的血包，就会变为正数，这种情况也能上面的不等式，但是这是明显不符合题意的，如果走到这个位置时健康值已经为负数了，那么哪怕这个位置血包再大，也会立刻死亡，所以需要考虑到这种情况

上述的情况，在 x >= dp[i][j + 1] - d[i][j] 不等式中，d[i][j] 非常大， x就会变为负数，所以在中途判断时，还需要将dp[i][j]取正数，如果为负数，需要将其置为1，也就是扩大这里的初始健康点数，让骑士能够满足最低血量条件
即：dp[i][j] = max(1, dp[i][j])

③初始化

这道题因为采取的是以某个位置作为起点，所以就不会在上面或左边越界了， 而是会在下面或右边越界，所以增加的位置是：下面和右边加上一行一列，此时因为在访问原有位置时下标并没有发生改变，所以不需要考虑下标的映射关系了

所以只需要考虑填表的结果是正确的即可

因为原本位置的右下角是公主所在的地方，所以此时走到该位置处的健康值至少得是1，所以在该位置的下边或右边置为1,

而新增的一行一列的其他位置，为了保证移动过程中不会选择到这些位置上的数据， 因为每一次都是找下边或是右边的最小值，只需要保证这些位置的数据都是最大的即可，因为值是INT_MAX时，比较时就不会选择这个位置的数，也就不会影响正常结果，所以初始化时将其余位置全部置为INT_MAX，只有右下角的右边或是下边置为1

④填表顺序

因为每个位置需要考虑到右边或是下面的位置的数据

所以填表顺序就是：从下往上填每一行，每一行从右向左填写

⑤返回值

因为要求的是初始位置的最低健康点数，所以返回值是：dp[0][0]

代码如下：

class Solution 
{
public:
    int calculateMinimumHP(vector<vector<int>>& d) 
    {
        int m = d.size(), n = d[0].size();
        // 创建dp表并初始化
        vector<vector<int>> dp(m + 1, vector<int>(n + 1, INT_MAX));
        dp[m - 1][n] = 1;
        for(int i = m - 1; i >= 0; i--)
        {
            for(int j = n - 1; j >= 0; j--)
            {
                dp[i][j] = min(dp[i][j + 1], dp[i + 1][j]) - d[i][j];
                // 如果dp[i][j]为负数就置为1
                dp[i][j] = max(1, dp[i][j]);
            }
        }
        return dp[0][0];
    }
};

---

关于[动态规划]路径问题的题目到此结束啦