【算法】动态规划---路径问题

一.[leetcode] 62.不同路径

• 题目链接: 62. 不同路径
• 题目描述:
  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:

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

• 解法:(动态规划)

  1. 状态表示:
     根据经验+题目要求, 可以得出== dp[i][j]表示到达i , j 位置一共有几种走法.==
  2. 状态转移方程:

     • 简单分析一下。如果 dp[i][j] 表示到达 [i, j] 位置的方法数，那么到达 [i, j] 位置之
       前的一小步，有两种情况：

       • i. 从 [i, j] 位置的上方（ [i - 1, j] 的位置）向下走一步，转移到 [i, j] 位置；
       • ii. 从 [i, j] 位置的左方（ [i, j - 1] 的位置）向右走一步，转移到 [i, j] 位置。

     • 由此可以推断得出 , 要想到达 dp [ i ] [ j ] 位置, 就只能从上面或者从左边. 即dp [ i-1 ] [ j ] , dp[ i ] [ j-1 ], 又可以根据状态表示的含义可以得出状态转移方程为: dp[ i ][ j ] = dp[ i-1 ][ j ] + dp[ i ][ j-1 ].

  3. 初始化:
     • 可以在最前面加上一个「辅助结点」，帮助我们初始化。使用这种技巧要注意两个点：
       • i. 辅助结点里面的值要「保证后续填表是正确的」；
       • ii. 「下标的映射关系」。
     • 在本题中，「添加一行」，并且「添加一列」后，只需将 dp[0][1] 的位置初始化为 1 即可。
       -
  4. 填表顺序:
     从上往下, 从左向右.
  5. 返回值:
     返回dp[m][n].

• 代码示例(Java):

class Solution {
    public int uniquePaths(int m, int n) {
        //1.创建dp表
        int[][] dp = new int[m+1][n+1];
        if(n==1){
            return 1;
        }
        //2.初始化
        dp[0][1] = 1;
        //3.填表
        for(int i = 1;i<=m;i++){
            for(int j = 1;j<=n;j++){
                dp[i][j] = dp[i-1][j]+dp[i][j-1];
            }
        }
        //4.返回结果
        return dp[m][n];
    }
}

二.[leetcode] 63.不同路径II

• 题目链接: 63. 不同路径 II
• 题目描述:
  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

• 解法:(动态规划)

  1. 状态表示:
     根据经验+题目要求, 可以得出== dp[i][j]表示到达i , j 位置一共有几种走法.==
  2. 状态转移方程:
     • 简单分析一下。如果 dp[i][j] 表示到达 [i, j] 位置的方法数，那么到达 [i, j] 位置之
       前的一小步，有两种情况：
       • i. 从 [i, j] 位置的上方（ [i - 1, j] 的位置）向下走一步，转移到 [i, j] 位置；
       • ii. 从 [i, j] 位置的左方（ [i, j - 1] 的位置）向右走一步，转移到 [i, j] 位置。
     • 但是， [i - 1, j] 与 [i, j - 1] 位置都是可能有障碍的，此时从上面或者左边是不可能
       到达 [i, j] 位置的，也就是说，此时的方法数应该是 0。
     • 由此我们可以得出一个结论，只要这个位置上「有障碍物」，那么我们就不需要计算这个位置上的值，直接让它等于 0 即可。
  3. 初始化:
     • 可以在最前面加上一个「辅助结点」，帮助我们初始化。使用这种技巧要注意两个点：
       • i. 辅助结点里面的值要「保证后续填表是正确的」；
       • ii. 「下标的映射关系」。
     • 在本题中，「添加一行」，并且「添加一列」后，只需将 dp[0][1] 的位置初始化为 1 即可。
  4. 填表顺序:
     从上往下, 从左向右.
  5. 返回值:
     返回dp[m][n].

• 代码示例(Java):

class Solution {
    public int uniquePathsWithObstacles(int[][] ob) {
        int m = ob.length;
        int n = ob[0].length;
        //1.创建dp表
        int[][] dp = new int[m+1][n+1];
        dp[0][1] = 1;
        for(int i = 1;i<=m;i++){
            for(int j =1;j<=n;j++){
                if(ob[i-1][j-1]==1){
                    dp[i][j] = 0;
                }else{
                    dp[i][j] = dp[i-1][j]+dp[i][j-1];
                }
            }
        }
        return dp[m][n];
    }
}

三.[leetcode]LCR 166. 珠宝的最高价值

• 题目链接: LCR 166. 珠宝的最高价值
• 题目描述:
  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

• 解法:(动态规划)

  1. 状态表示:
     根据经验+题目要求, 可以得出== 以i, j 为结尾所能获得珠宝的最大价值==
  2. 状态转移方程:
     • 简单分析一下。如果 dp[i][j] 表示到达 [i, j] 位置的方法数，那么到达 [i, j] 位置之
       前的一小步，有两种情况：
       • i. 从 [i, j] 位置的上方（ [i - 1, j] 的位置）向下走一步，转移到 [i, j] 位置, 此时所能获得的珠宝价值为 dp[i-1][ j ]+frame[i-1][j-1].
       • ii. 从 [i, j] 位置的左方（ [i, j - 1] 的位置）向右走一步，转移到 [i, j] 位置。此时所能获得的珠宝价值为 dp[ i ][ j-1 ]+frame[i-1][j-1].
       • 为了后面方便计算填表,创建dp表的时候,多加了一行和一列.所以对应的frame表中的数据就对应着减一
     • 由此可以推断得出 , 要想到达 dp [ i ] [ j ] 位置, 就只能从上面或者从左边. 即dp [ i-1 ] [ j ] , dp[ i ] [ j-1 ], 又可以根据状态表示的含义可以得出状态转移方程为: dp[ i ][ j ] = Math.max(dp[ i-1 ][ j ] + dp[ i ][ j-1 ])+frame[i-1][j-1]
  3. 初始化:
     • 可以在最前面加上一个「辅助结点」，帮助我们初始化。使用这种技巧要注意两个点：
       • i. 辅助结点里面的值要「保证后续填表是正确的」；
       • ii. 「下标的映射关系」。
     • 在本题中，「添加一行」，并且「添加一列」后，所有的值都为 0 即可。
  4. 填表顺序:
     从上往下, 从左向右.
  5. 返回值:
     返回dp[m][n].

• 代码示例(Java):

class Solution {
    public int jewelleryValue(int[][] frame) {
        int m = frame.length;
        int n = frame[0].length;
        //1.创建dp表
        int[][] dp = new int[m+1][n+1];
        //2.初始化
        
        //3.填表
        for(int i=1;i<=m;i++){
            for(int j=1;j<=n;j++){
                dp[i][j] = Math.max(dp[i-1][j],dp[i][j-1])+frame[i-1][j-1];
            }
        }
        return dp[m][n];
    }
}

四.[leetcode] 931.下降路径最小和

• 题目链接: 931.下降路径最小和
• 题目描述:
  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

• 解法:(动态规划)

  1. 状态表示:
     根据经验+题目要求,可以得出== dp[i][j]表示以i, j位置为结尾, 下降路径和的最小值.==
  2. 状态转移方程:
     • 对于普遍位置 [i, j] ，根据题意得，到达 [i, j] 位置可能有三种情况：
       • i. 从正上方 [i - 1, j] 位置转移到 [i, j] 位置；
       • ii. 从左上方 [i - 1, j - 1] 位置转移到 [i, j] 位置；
       • iii. 从右上方 [i - 1, j + 1] 位置转移到 [i, j] 位置；
     • 我们要的是三种情况下的「最小值」，然后再加上矩阵在 [i, j] 位置的值。
     • 于是 dp[i][j] = min(dp[i - 1][j], min(dp[i - 1][j - 1], dp[i - 1][j + 1])) + matrix[i][j] 。
  3. 初始化:
     • 可以在最前面加上一个「辅助结点」，帮助我们初始化。使用这种技巧要注意两个点：
       • i. 辅助结点里面的值要「保证后续填表是正确的」；
       • ii. 「下标的映射关系」。
     • 在本题中，需要「加上一行」，并且「加上两列」。所有的位置都初始化为无穷大，然后将第一行初始化为 0 即可。
       -
  4. 填表顺序:
     从上往下, 从左向右.
  5. 返回值:
     返回dp[m][n].

• 代码示例(Java):

class Solution {
    public int minFallingPathSum(int[][] ma) {
        int m = ma.length;
        int n= ma[0].length;
        int result = Integer.MAX_VALUE;
        //1.创建dp表
        int[][] dp = new int[m+1][n+2];
        //2.初始化
        for(int q = 1;q<=m;q++){
            dp[q][0] = dp[q][n+1] = Integer.MAX_VALUE;
        }
        //3.填表
        for(int i = 1;i<=m;i++){
            for(int j = 1;j<=n;j++){
                dp[i][j] = Math.min(Math.min(dp[i-1][j-1],dp[i-1][j]),dp[i-1][j+1])+ma[i-1][j-1];
            }
        }
        //4.返回结果
        for(int p = 1;p<=n;p++){
            result = Math.min(result,dp[m][p]);

        }
        return result;

    }
}

五.[leetcode] 64. 最小路径和

• 题目链接: 64. 最小路径和
• 题目描述:
  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

• 解法:(动态规划)

  1. 状态表示:
     根据经验+题目要求,可以得出== dp[i][j]表示以i, j位置为结尾, 最小的路径数字总和.==

  2. 状态转移方程:

     • 简单分析⼀下。如果 dp[i][j] 表⽰到达 到达 [i, j] 位置处的最小路径和，那么到达[i, j] 位置之前的一小步，有两种情况：
       • i. 从 [i - 1, j] 向下⾛⼀步，转移到 [i, j] 位置；
       • ii. 从 [i, j - 1] 向右⾛⼀步，转移到 [i, j] 位置。
     • 由于到 [i, j] 位置两种情况，并且我们要找的是最小路径，因此只需要这两种情况下的最小值，再加上 [i, j] 位置上本身的值即可。也就是： dp[i][j] = min(dp[i - 1][j], dp[i][j - 1]) + grid[i][j]

  3. 初始化:

     • 可以在最前面加上一个「辅助结点」，帮助我们初始化。使用这种技巧要注意两个点：
       • i. 辅助结点里面的值要「保证后续填表是正确的」；
       • ii. 「下标的映射关系」。
     • 在本题中，「添加一行」，并且「添加一列」后，所有位置的值可以初始化为无穷大，然后让dp[0][1] = dp[1][0] = 1 即可。
       

  4. 填表顺序:
     从上往下, 从左向右.

  5. 返回值:
     返回dp[m][n].

• 代码示例(Java):

class Solution {
    public int minPathSum(int[][] grid) {
        int m = grid.length;
        int n = grid[0].length;
        int[][] dp = new int[m+1][n+1];
        for(int q = 1;q<=m;q++){
            dp[q][0] = Integer.MAX_VALUE;
        }
        for(int w = 2;w<=n;w++){
            dp[0][w] = Integer.MAX_VALUE;
        }
        for(int i=1;i<=m;i++){
            for(int j=1;j<=n;j++){
                dp[i][j] = Math.min(dp[i-1][j],dp[i][j-1])+grid[i-1][j-1];
            }
        }
        return dp[m][n];
    }
}

六.[leetcode] 174. 地下城游戏

• 题目链接: 174. 地下城游戏
• 题目描述:
  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

• 解法:(动态规划)

  1. 状态表示:
  • 这道题如果我们定义成：从起点开始，到达 [i, j] 位置的时候，所需的最低初始健康点数。
    那么我们分析状态转移的时候会有一个问题：那就是我们当前的健康点数还会受到后面的路径的影响。也就是从上往下的状态转移不能很好地解决问题。
  • 这个时候我们要换一种状态表示：从 [i, j] 位置出发，到达终点时所需要的最低初始健康点
    数。这样我们在分析状态转移的时候，后续的最佳状态就已经知晓。
  • 综上所述，定义状态表示为：dp[i][j] 表示：从 [i, j] 位置出发，到达终点时所需的最低初始健康点数
  2. 状态转移方程:
     • 对于 dp[i][j] ，从 [i, j] 位置出发，下一步会有两种选择（为了方便理解，设 dp[i]
       [j] 的最终答案是 x ）：
       • i. 走到右边，然后走向终点. 那么我们在 [i, j] 位置的最低健康点数加上这一个位置的消耗，应该要大于等于右边位置的最低健康点数，也就是： x + dungeon[i][j] >= dp[i][j + 1] 。通过移项可得： x >= dp[i][j + 1] - dungeon[i][j] 。因为我们要的是最小值，因此这种情况下的 x = dp[i][j + 1] - dungeon[i][j] ；
       • ii. 走到下边，然后走向终点 , 那么我们在 [i, j] 位置的最低健康点数加上这一个位置的消耗，应该要大于等于下边位置的最低健康点数，也就是： x + dungeon[i][j] >= dp[i + 1][j] 。通过移项可得： x >= dp[i + 1][j] - dungeon[i][j] 。因为我们要的是最小值，因此这种情况下的 x = dp[i + 1][j] - dungeon[i][j] ；
     • 综上所述，我们需要的是两种情况下的最小值，因此可得状态转移方程为：
       dp[i][j] = min(dp[i + 1][j], dp[i][j + 1]) - dungeon[i][j]
       但是，如果当前位置的 dungeon[i][j] 是一个比较大的正数的话， dp[i][j] 的值可能变成 0 或者负数。也就是最低点数会小于 1 ，那么骑士就会死亡。因此我们求出来的 dp[i][j] 如果小于等于 0 的话，说明此时的最低初始值应该为 1 。处理这种情况仅需让 dp[i][j] 与 1 取一个最大值即可：dp[i][j] = max(1, dp[i][j])
  3. 初始化
  • 可以在最前面加上一个「辅助结点」，帮助我们初始化。使用这种技巧要注意两个点：
    - i. 辅助结点里面的值要「保证后续填表是正确的」；
    - ii. 「下标的映射关系」。
  • 在本题中，在 dp 表最后面添加一行，并且添加一列后，所有的值都先初始化为无穷大，然后让
    dp[m][n - 1] = dp[m - 1][n] = 1 即可。
  5. 填表顺序:
     从下往上, 从右向左.
  6. 返回值:
     返回dp[0][0].

• 代码示例(Java):

class Solution {
    public int calculateMinimumHP(int[][] dungeon) {
        int m = dungeon.length;
        int n = dungeon[0].length;
        //1.创建dp表
        int[][] dp = new int[m+1][n+1];
        //2.初始化.
        for(int q = 0;q <= m;q++){
            dp[q][n]= Integer.MAX_VALUE;
        }
        for(int w = 0;w<=n;w++){
            dp[m][w] = Integer.MAX_VALUE;
        }
        dp[m][n-1] = dp[m-1][n] =1;
        //3.填表
        for(int i=m-1;i>=0;i--){
            for(int j=n-1;j>=0;j--){
                dp[i][j] = Math.min(dp[i+1][j],dp[i][j+1])-dungeon[i][j];
                dp[i][j] = Math.max(dp[i][j],1);
            }
        }
        //4.确定返回值
        return dp[0][0];

    }
}