LeetCode打卡第二天（120.三角形最短路径）------动态规划问题

LeetCode打卡第二天（120.三角形最短路径）

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。

解题思路：
这是一道动态规划问题，我们可以用动态规划数组记录的方法去解题。
1.我们可以定义一个二维数组dp[n][n]来存储每一次计算的值。此时空间复杂度 O(n)=nxn;
2.当然，我们更可以通过一个一维数组dp[n]来存储预留值。此时空间复杂度
O(n)=n;
细节分析：
1.要计算自顶向下的最小路径，我们只要保证每一个位置的值与它下一行相邻位置的计算结果的和最小。即满足

min(ans[j],ans[j+1]) + triangle[i][j];

其中，ans[j]表示triangle[i+1][j]位置对应的结果，ans[j+1]表示riangle[i+1][j+1]位置对应的结果。
2.自顶向下找最小路径，在分析时，却应当从下向上分析。这样才能保证从n-2层开始得到来着下一层的最优解。

代码：

class Solution {
public:
    int minimumTotal(vector<vector<int>>& triangle) {
        int n = triangle.size();
        int ans[triangle.size()+1];
        for(int i=0;i<n;i++){
            ans[i]=triangle[n-1][i];
        }
        for(int i=n-2;i>=0;i--){
            for(int j=0;j<=i;j++){
                ans[j]=min(ans[j],ans[j+1]) + triangle[i][j];
            }
        }
        return ans[0];
    }
public:
    int min(int& a,int& b){
        return a>b?b:a;
    }
};

拓展：求自顶向下的最长路径。
思路方法不变。只是把寻找下一层最小最优解，换成寻找下一层最大最优解，即可：

public:
    int max(int& a,int& b){
        return a>b?a:b;
    }

总结：
1.诸如此类动态规划问题，用二维数组存储结果的都可以转为使用一维数组存储结果，从而降低空间复杂度。达到优化的目的，只是此时要注意数组元素的初值和迭代关系。
2.典型的动态规划包括背包问题和硬币问题。给初学者的感觉是有迹可循，但无从下笔。
3.动态规划主要考察数组的使用，要注意数组下标与数值两部分的关系（可类比于哈希图）
4.这道题还可以使用bfs来解，毕竟在涉及矩阵（二维数组）时，bfs是无敌的存在。