120. 三角形最小路径和
给定一个三角形,找出自顶向下的最小路径和。每一步只能移动到下一行中相邻的结点上。
相邻的结点 在这里指的是 下标 与 上一层结点下标 相同或者等于 上一层结点下标 + 1 的两个结点。
例如,给定三角形:
[
[2],
[3,4],
[6,5,7],
[4,1,8,3]
]
自顶向下的最小路径和为 11(即,2 + 3 + 5 + 1 = 11)。
说明:
如果你可以只使用 O(n) 的额外空间(n 为三角形的总行数)来解决这个问题,那么你的算法会很加分。
审题
相邻结点:与 (i, j)
点相邻的结点为 (i + 1, j)
和 (i + 1, j + 1)
分析:
若定义
f
(
i
,
j
)
f(i,j)
f(i,j) 为
(
i
,
j
)
(i,j)
(i,j) 点到底边的最小路径和,则递归求解公式为:
f
(
i
,
j
)
=
m
i
n
(
f
(
i
+
1
,
j
)
,
f
(
i
+
1
,
j
+
1
)
)
+
t
r
i
a
n
g
l
e
[
i
]
[
j
]
f(i,j) = min(f(i+1,j),f(i+1, j+1)) + triangle[i][j]
f(i,j)=min(f(i+1,j),f(i+1,j+1))+triangle[i][j]
由此,我们将任一点的底边的最小路径和,转化成了与该点相邻两点到底边的最小路径和中较小值,再加上该点本身的值。这个本题的 递归解法 就完成了。
方法1:递归
class Solution {
// 递归
public int minimumTotal(List<List<Integer>> triangle) {
if (triangle == null || triangle.size() == 0) {
return 0;
}
return dfs(triangle, 0, 0);
}
private int dfs (List<List<Integer>> triangle, int i, int j) {
if (i == triangle.size()) {
return 0;
}
return Math.min(dfs(triangle, i + 1, j), dfs(triangle, i + 1, j + 1)) + triangle.get(i).get(j);
}
}
暴力搜索会有大量的重复计算,导致 超时 ,因此在 方法2 中结合 记忆化数组 进行优化。
方法2:递归 + 记忆化
在 方法1 的基础上,定义了二维数组进行记忆化。
class Solution {
// 递归 + 记忆化
private Integer[][] memo;
public int minimumTotal(List<List<Integer>> triangle) {
if (triangle == null || triangle.size() == 0) {
return 0;
}
memo = new Integer[triangle.size()][triangle.size()];
return dfs(triangle, 0, 0);
}
private int dfs (List<List<Integer>> triangle, int i, int j) {
if (i == triangle.size()) {
return 0;
}
if (memo[i][j] != null) {
return memo[i][j];
}
return memo[i][j] = Math.min(dfs(triangle, i + 1, j), dfs(triangle, i + 1, j + 1)) + triangle.get(i).get(j);
}
}
- 时间复杂度: O ( N 2 ) O(N^2) O(N2), N N N 为三角形的行数。
- 空间复杂度: O ( N 2 ) O(N^2) O(N2), N N N 为三角形的行数。
方法3:动态规划
定义二维 dp 数组,将 方法2 中 「自顶向下的递归」改为 「自底向上的递推」
1. 定义状态:
d p [ i ] [ j ] dp[i][j] dp[i][j] 表示从点 ( i , j ) (i,j) (i,j) 到底边的最小路径和。
2. 状态转移:
d p [ i ] [ i ] = m i n ( d p [ i + 1 ] [ j ] , d p [ i + 1 ] [ j + 1 ] ) + t r i a n g l e [ i ] [ j ] dp[i][i] = min(dp[i+1][j], dp[i+1][j+1]) + triangle[i][j] dp[i][i]=min(dp[i+1][j],dp[i+1][j+1])+triangle[i][j]
3. 代码实现:
class Solution {
// 动态规划
public int minimumTotal(List<List<Integer>> triangle) {
int n = triangle.size();
// dp[i][j] 表示坐标(i,j) 到底边的最小路径和
int[][] dp = new int[n+1][n+1];
// 从三角形底部开始遍历
for (int i = n - 1; i >=0; i--) {
// 三角形第几行就代表列数有几个
for (int j = 0; j <= i; j++) {
dp[i][j] = Math.min(dp[i+1][j], dp[i+1][j+1]) + triangle.get(i).get(j);
}
}
return dp[0][0];
}
}
- 时间复杂度: O ( N 2 ) O(N^2) O(N2), N N N 为三角形的行数。
- 空间复杂度: O ( N 2 ) O(N^2) O(N2), N N N 为三角形的行数。
4. 空间优化
在上述代码中,我们定义了一个
N
N
N 行
N
N
N 列的
d
p
dp
dp 数组(N 是三角形的行数)。
但是在实际递推中我们发现, 计算
d
p
[
i
]
[
j
]
dp[i][j]
dp[i][j] 时,只用到了下一行的
d
p
[
i
+
1
]
[
j
]
dp[i+1][j]
dp[i+1][j] 和
d
p
[
i
+
1
]
[
j
+
1
]
dp[i+1][j+1]
dp[i+1][j+1]。
因此
d
p
dp
dp 数组不需要定义
N
N
N 行,只要定义
1
1
1 行就可以了。
所以,我们稍微修改一下上述代码,将
i
i
i 所在的维度去掉,就可以将
O
(
N
2
)
O(N^2)
O(N2)的空间复杂度优化成
O
(
N
)
O(N)
O(N)
class Solution {
public int minimumTotal(List<List<Integer>> triangle) {
int n = triangle.size();
int[] dp = new int[n + 1];
for (int i = n - 1; i >= 0; i--) {
for (int j = 0; j <= i; j++) {
dp[j] = Math.min(dp[j], dp[j + 1]) + triangle.get(i).get(j);
}
}
return dp[0];
}
}
- 时间复杂度: O ( N 2 ) O(N^2) O(N2), N N N 为三角形的行数。
- 空间复杂度: O ( N ) O(N) O(N), N N N 为三角形的行数。
部分图片来源于网络,版权归原作者,侵删。