本文为动态规划算法的第3篇,前两篇主要分享一维动态规划算法。本篇将分享二维动态规划算法的用法,主要用于处理路径问题,如:不同路径,最短路径... 下面通过例题来一起学习动态规划算法吧!
一、不同路径问题(对应Leetcode62)
对应习题链接:62. 不同路径 - 力扣(LeetCode)
1.题目描述:
2.解题思路:
1.创建一个二维的dp表,dp[ i ][ j ]表示走到 i, j 位置时一共有多少种方法。
2.初始化问题,机器人起点(如果只有一个格子,也就是只有一条路径,所以dp[ 0 ][ 1 ]或者dp[ 1 ][ 0 ]要初始化为1,机器人此时的位置是1,1。所以要多开1行1列。)
3.解题代码:
class Solution {
public:
int uniquePaths(int m, int n) {
vector<vector<int>>dp(m+1,vector<int>(n+1)); //多开1行1列
dp[0][1]=1;
for(int i=1;i<=m;i++) //初始位置从1,1(假如从0,0开始循环会越界)
{
for(int j=1;j<=n;j++)
{
dp[i][j]=dp[i-1][j]+dp[i][j-1];
}
}
return dp[m][n];
}
};
二、最小路径和(对应LeetCode64)
对应习题链接:64. 最小路径和 - 力扣(LeetCode)
1.题目描述:
2.解题思路:
3.解题代码:
class Solution {
public:
int minPathSum(vector<vector<int>>& grid) {
int m=grid.size(),n=grid[0].size();
vector<vector<int>>dp(m+1,vector<int>(n+1,INT_MAX));
dp[0][1]=dp[1][0]=0;
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])+grid[i-1][j-1];
}
}
return dp[m][n];
}
};
总结
本篇通过两篇二维数组中的动态规划思想解决了问题,希望可以对大家的解题有所帮助,后续我会继续在本专栏更新动态规划算法的其他应用。