一、不同路径
1.1 题目
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
提示:
1 <= m, n <= 100
- 题目数据保证答案小于等于
2 * 10^9
1.2 题目链接
1.3 解题思路和过程想法
(1)解题思路
因为当前位置路径的选择与上一步有关,且每一步的操作都类似,采用动态规划。
# 数组:dp[i][j] 记录左上角到(i,j)的路径数
# 递推规律:因为每次只能向右或向下,所以 dp[i][j] = dp[i-1][j] + dp[i][j-1]
# 初始化:因为每次只能向右或向下,所以dp[0][i] == dp[i][0] == 1
# 递推方向:因为每次只能向右或向下,所以从左往右,按层往下遍历
(2)过程想法
整体思路比较好构思
1.4 代码
class Solution:
def uniquePaths(self, m: int, n: int) -> int:
# dp[i][j] 记录左上角到(i,j)的路径数
dp = [[0]*n for _ in range(m)]
# 递推规律:因为每次只能向右或向下,所以 dp[i][j] = dp[i-1][j] + dp[i][j-1]
# 初始化:因为每次只能向右或向下,所以dp[0][i] == dp[i][0] == 1
for i in range(m):
dp[i][0] = 1
for j in range(n):
dp[0][j] = 1
# 递推方向:因为每次只能向右或向下,所以从左往右,按层往下遍历
for i in range(1,m):
for j in range(1,n):
dp[i][j] = dp[i-1][j]+dp[i][j-1]
return dp[m-1][n-1]
二、不同路径 II
2.1 题目
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
提示:
m == obstacleGrid.length
n == obstacleGrid[i].length
1 <= m, n <= 100
obstacleGrid[i][j]
为0
或1
2.2 题目链接
2.3 解题思路和过程想法
(1)解题思路
# 数组:用 obstacleGrid[i][j] 记录从左上角到 (i,j) 的路径数
# 递推关系:因为每次只能向右或向下移动,所以递推关系 dp[i][j] = dp[i-1][j] + dp[i][j-1]
# 初始化:将有障碍物的位置标记为 -1;因为每次只能向右或向下,将(0,i)和(i,0) 置为 1
注:在处理第一列和第一列时,碰到障碍物则自动退出循环(剪枝)
(2)过程想法
总体思路和上一题差不多,只是需要提前判断是否会被障碍物影响
2.4 代码
class Solution:
def uniquePathsWithObstacles(self, obstacleGrid: List[List[int]]) -> int:
# 数组:用 obstacleGrid[i][j] 记录从左上角到 (i,j) 的路径数
# 递推关系:因为机器人每次只能向右或向下移动,所以递推关系 dp[i][j] = dp[i-1][j] + dp[i][j-1]
# 初始化:将有障碍物的位置标记为 -1;因为每次只能向右或向下,将(0,i)和(i,0) 置为 1
m = len(obstacleGrid) # 行数
n = len(obstacleGrid[0]) # 列数
for i in range(m):
for j in range(n):
if obstacleGrid[i][j] == 1:
obstacleGrid[i][j] = -1
flag_row = 0
flag_col = 0
for i in range(m): # 第一列(碰到障碍物则自动退出循环)
if obstacleGrid[i][0] != -1:
obstacleGrid[i][0] = 1
else:
flag_col = 1
break
for i in range(n): # 第一行(碰到障碍物则自动退出循环)
if obstacleGrid[0][i] != -1:
obstacleGrid[0][i] = 1
else:
flag_row = 1
break
# 特殊情况:只有一行或一列,且有障碍物的情况
if m == 1 or n == 1 :
if flag_row == 1 or flag_col == 1:
return 0
else:
return 1
# 遍历方向:因为每一步只能向右或相下,所以从左往右,按层遍历
for i in range(1,m):
for j in range(1,n):
# 本节点不是障碍物(若是障碍物,则不做修改)
if obstacleGrid[i][j] != -1:
# 参考的两节点都不是障碍物
if obstacleGrid[i-1][j] != -1 and obstacleGrid[i][j-1] != -1:
obstacleGrid[i][j] = obstacleGrid[i-1][j] + obstacleGrid[i][j-1]
# 参考的两节点都是障碍物
elif obstacleGrid[i-1][j] == -1 and obstacleGrid[i][j-1] == -1:
obstacleGrid[i][j] = 0
# 参考的节点中有一个不可达点或障碍物
else:
obstacleGrid[i][j] = max(obstacleGrid[i][j-1],obstacleGrid[i-1][j])
# 防止最终节点为障碍节点
return max(obstacleGrid[-1][-1],0)