LeetCode-576. 出界的路径数

241 篇文章 1 订阅
210 篇文章 0 订阅

给你一个大小为 m x n 的网格和一个球。球的起始坐标为 [startRow, startColumn] 。你可以将球移到在四个方向上相邻的单元格内(可以穿过网格边界到达网格之外)。你 最多 可以移动 maxMove 次球。

给你五个整数 m、n、maxMove、startRow 以及 startColumn ,找出并返回可以将球移出边界的路径数量。因为答案可能非常大,返回对 109 + 7 取余 后的结果。

示例 1:

 


输入:m = 2, n = 2, maxMove = 2, startRow = 0, startColumn = 0
输出:6
示例 2:


输入:m = 1, n = 3, maxMove = 3, startRow = 0, startColumn = 1
输出:12

提示:

1 <= m, n <= 50
0 <= maxMove <= 50
0 <= startRow < m
0 <= startColumn < n

题解如下:

#include<iostream>
#include<vector>
using namespace std;


/*
* 如果 long long dp[51][51][51];     //记忆数组,i:maxMove, j:startRow, k:startColumn
* 用一个三维数组来记忆搜索,如果
* 剩下得移动次确定,当前得坐标确定
* 那么接下来得值一定确定,所以每次到
* 达此情况,记录一次最终路径数,可规避
* 此重复计算次数。
*/

class Solution {
public:
	int findPaths(int m, int n, int maxMove, int startRow, int startColumn) {
		vector<vector<int>> grid(m, vector<int>(n, 0));
		memset(dp, -1, sizeof(dp));
		return backtrace(grid, maxMove, startRow, startColumn);
	}

	/* 返回最终的数 */
	long long backtrace(vector<vector<int>>& grid,
		int maxMove,
		int startRow,
		int startColumn) {
		// 不满足条件
		if (maxMove < 0) {
			return 0;
		}


		if (startRow < 0
			|| startColumn < 0
			|| startRow >= grid.size()
			|| startColumn >= grid[startRow].size()) {
			return 1;
		}

		// 如果小球不管怎么移动都无法越出网格,那就抛弃
		if (startRow - maxMove >= 0
			&& startColumn - maxMove >= 0
			&& startRow + maxMove < grid.size()
			&& startColumn + maxMove < grid[startRow].size()) {
			return 0;
		}



		//已经算过不用再算
		if (dp[maxMove][startRow][startColumn] > 0) {
			return dp[maxMove][startRow][startColumn];
		}


		dp[maxMove][startRow][startColumn] = (
			backtrace(grid, maxMove - 1, startRow + 1, startColumn) +
			backtrace(grid, maxMove - 1, startRow - 1, startColumn) +
			backtrace(grid, maxMove - 1, startRow, startColumn + 1) +
			backtrace(grid, maxMove - 1, startRow, startColumn - 1)
			) % M;


		return dp[maxMove][startRow][startColumn];
	}

private:
	long long dp[51][51][51];     //记忆数组,i:maxMove, j:startRow, k:startColumn
	const int M = 1e9 + 7;
};


int main() {
	Solution* ps = new Solution();
	//cout << ps->findPaths(1, 3, 3, 0, 1) << endl;
	//cout << ps->findPaths(2, 2, 2, 0, 0) << endl;
	//cout << ps->findPaths(36, 5, 50, 15, 3) << endl;
	cout << ps->findPaths(45, 35, 47, 20, 31) << endl;

	system("pause");

	return 0;
}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的学理论和强大的实用效果,动态规划在计算机科学、学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法。 LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契列问题时,就可以定义一个二维组f[i][j],代表第i项斐波那契列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案。这个问题的解法非常简单,只需要维护一个长度为n的组,记录到达每一级楼梯的方案即可。类似的问题还有“零钱兑换”、“乘积最大子组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与据结构基础》等,来深入理解这种算法思想。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值