今天刚刷了两个力扣题,不同路径和最短路径,感觉非常类似,做个记录方便以后记忆。
62题不同路径
题目要求求出从左上角到右下角的不同路径的个数,本来想要用回溯做,结果超时了。
于是用动态规划,很明显这个dp的设定应该是二维的,dp应该用来记录从起点到当前点的路径个数。
状态转移方程应该是
dp[i][j]=dp[i-1][j]+dp[i][j-1]
因为起点到当前点的路径个数为起点到他的正上方的路径个数和起点到他的正左方的路径个数之和。
class Solution:
def uniquePaths(self, m: int, n: int) -> int:
dp=[[0]*(n) for _ in range(m)]
#n是列、m是行
for i in range(0,m):
for j in range(0,n):
if i==0 or j==0:
dp[i][j]=1
#如果是第一行或第一列,记作只有一条路,因为机器人只能向下或向右移动一步。
else:
dp[i][j]=dp[i-1][j]+dp[i][j-1]#状态转移方程
return dp[i][j]
64题最小路径和
这个题和62题类似,只是说求的是最短路径,最短路径应当是正上方与正左方最短路径的值中较小的值+当前的权重。
class Solution:
def minPathSum(self, grid: List[List[int]]) -> int:
dp=[[0 for _ in range(len(grid[0])+1)] for _ in range(len(grid)+1)]
#len(grid[0]) 列数、len(grid)行数
for i in range(1,len(grid)+1):
for j in range(1,len(grid[0])+1):
if i==1 and j==1:
dp[i][j]=grid[i-1][j-1]
elif i==1:
dp[i][j]=grid[i-1][j-1]+dp[i][j-1]
elif j==1:
dp[i][j]=grid[i-1][j-1]+dp[i-1][j]
else:
dp[i][j]=grid[i-1][j-1]+min(dp[i-1][j],dp[i][j-1])
return dp[i][j]
状态转换方程
dp[i][j]=grid[i-1][j-1]+min(dp[i-1][j],dp[i][j-1])
当前路径到起点的最短路径是当前路径的权重,加上min(正上方最短路径和正左方最短路径)的和.
原因 和上一题同理 因为只能向下或向右移动一步。
其余为边界条件处理。