假设棋盘的行数为 m,列数为 n。
由于机器人只能往右或往下走,所以在每个格子处,机器人只有两种选择。
我们可以使用动态规划来解决这个问题。令 dp[i][j] 表示机器人从左上角走到坐标为 (i,j) 的格子时的走法总数。
根据上述分析,到达 dp[i][j] 格子的方案只有两种:
从左边的格子 dp[i][j-1] 往右走一步到达 dp[i][j];
从上边的格子 dp[i-1][j] 往下走一步到达 dp[i][j]。
因此,机器人到达 dp[i][j] 的总方案数就是这两种方案的总和,即
dp[i][j] = dp[i-1][j] + dp[i][j-1]
注意边界条件,即最上面一行和最左边一列的格子只有一种走法。
最终的答案是 dp[m-1][n-1],即从左上角到右下角的走法总数。
下面是 Python 代码实现:
def uniquePaths(m: int, n: int) -> int:
# 初始化二维数组
dp = [[0] * n for _ in range(m)]
# 边界条件
for i in range(m):
dp[i][0] = 1
for j in range(n):
dp[0][j] = 1
# 状态转移方程
for i in range(1, m):
for j in range(1, n):
dp[i][j] = dp[i-1][j] + dp[i][j-1]
# 返回最终结果
return dp[m-1][n-1]
时间复杂度为 O(mn),空间复杂度也为 O(mn)。
如果中间有障碍物呢
如果棋盘上存在障碍物,即某些格子不能通过,那么可以将这些格子的 dp 值设为 0,表示不能到达。
具体来说,令 obstacleGrid[i][j] 表示坐标为 (i,j) 的格子是否有障碍物,若 obstacleGrid[i][j] == 1,则将 dp[i][j] 设为 0。
边界条件也需要修改。如果最上面一行或最左边一列有障碍物,则在这些障碍物之后的格子都不能到达,需要将 dp 值设为 0。
下面是 Python 代码实现:
def uniquePathsWithObstacles(obstacleGrid: List[List[int]]) -> int:
m, n = len(obstacleGrid), len(obstacleGrid[0])
# 初始化二维数组
dp = [[0] * n for _ in range(m)]
# 边界条件
for i in range(m):
if obstacleGrid[i][0] == 0:
dp[i][0] = 1
else:
break
for j in range(n):
if obstacleGrid[0][j] == 0:
dp[0][j] = 1
else:
break
# 状态转移方程
for i in range(1, m):
for j in range(1, n):
if obstacleGrid[i][j] == 0:
dp[i][j] = dp[i-1][j] + dp[i][j-1]
# 返回最终结果
return dp[m-1][n-1]
时间复杂度为 O(mn),空间复杂度也为 O(mn)。