【Leetcode每日一题】动态规划 - 下降路径最小和（难度⭐⭐）（55）-CSDN博客

本文链接：https://blog.csdn.net/m0_73150338/article/details/137657851

本文解析了下降路径最小和问题的动态规划解决方案，包括状态表示、状态转移方程、代码实现，并强调了如何初始化和填充动态规划表以找到到达最后一行的最小路径和。

摘要由CSDN通过智能技术生成

1. 题目解析

题目链接：931. 下降路径最小和

这个问题的理解其实相当简单，只需看一下示例，基本就能明白其含义了.

2.算法原理

对于这类路径类问题，通常我们首先需要分析状态表示以及状态转移的过程。特别地，本题涉及的是路径上的最小值累加，因此状态转移方程的设计尤为重要。

状态表示：
- 我们选择的状态表示方式为：dp[i][j] 代表到达位置 [i, j] 时，所有下降路径中的最小和。这种定义方式有助于我们后续的状态转移和结果求解。
状态转移方程：
- 对于位置 [i, j]，根据题目要求，我们可以从上方、左上方或右上方三个方向转移而来。我们需要找到这三个方向中的最小值，并加上当前位置 [i, j] 的值，从而得到到达该位置的最小路径和。
- 因此，状态转移方程为：dp[i][j] = min(dp[i - 1][j], min(dp[i - 1][j - 1], dp[i - 1][j + 1])) + matrix[i][j]。
初始化：
- 为了简化计算，我们可以在矩阵的上方额外添加一行辅助结点，并将其值初始化为0。这样做的好处在于，当我们计算第一行时，可以直接引用这些辅助结点的值，而无需进行额外的判断。
- 同时，考虑到状态转移时可能需要访问到 [i, j - 1] 和 [i, j + 1] 这样的位置，我们可能需要在矩阵的两侧也额外添加列，并初始化这些列的值。
- 通常情况下，这些辅助结点的值需要保证后续填表过程的正确性。在本题中，由于我们关心的是路径上的最小值累加，因此将辅助结点的值初始化为0是合理的。
填表顺序：
- 根据状态表示和状态转移方程，我们可以确定填表的顺序是从上往下逐行计算。这样做的原因是，在计算当前行的某个位置时，我们只需要依赖上一行的数据，这符合动态规划的自底向上思想。
返回值：
- 题目要求的是只要到达最后一行即可，因此我们的目标是找到最后一行中的最小值。这可以通过遍历最后一行并比较各个位置的值来实现。
- 最终返回的是这个最小值，而不是 dp[m][n] 的值，因为 dp[m][n] 只表示到达特定位置 [m, n] 的最小路径和，而题目要求的是到达最后一行任意位置的最小路径和。

3.代码编写

class Solution 
{
public:
    int minFallingPathSum(vector<vector<int>>& matrix) 
    {
        int n = matrix.size();
        vector<vector<int>> dp(n + 1, vector<int>(n + 2, INT_MAX));
        for(int j = 0; j < n + 2; j++) dp[0][j] = 0;
        for(int i = 1; i <= n; i++)
        {
            for(int j = 1; j <= n; j++)
            {
                dp[i][j] = min(dp[i - 1][j - 1], min(dp[i - 1][j], dp[i - 1][j + 1])) + matrix[i - 1][j - 1];
            }
        }
        int ret = INT_MAX;
        for(int i = 1; i <= n; i++) ret = min(ret, dp[n][i]);
        return ret;
    }
};