64. Minimum Path Sum

1、Description

2、题解--动态规划

由于从地图的左上角走到地图的右下角的过程中，只能向右走或者向下走，因此该问题具有最优子结构性质，定义规划矩阵C，其中矩阵元素C[i][j]表示走到(i,j)这个点的最小代价。则可以得到如下递推方程：

C[i][j] = max(C[i-1][j],C[i][j-1])+grid[i][j]

上述case递推求解所得到的规划矩阵最终结果如下所示：

规划矩阵

1	4	5
2	7	6
6	8	7

3.代码实现（java）

初始化的时候需要将C整个矩阵初始化为grid，然后先求解出第一行和第一列的C中对应的值，然后根据递推方程求解后续的值，最终的到规划的目标C[m-1][n-1].算法的时间复杂度为O(mn)，空间复杂度也为O(mn)

class Solution {
    public int minPathSum(int[][] grid) {
        if (grid.length==0)return 0;
        int m = grid.length;
        int n = grid[0].length;
        int[][] C = grid;
        for(int i=1;i<m;i++){
            C[i][0]+=C[i-1][0];
        }
        for(int j=1;j<n;j++){
            C[0][j]+=C[0][j-1];
        }
        for(int i=1;i<m;i++){
            for(int j=1;j<n;j++){
                C[i][j] = Math.min(C[i-1][j],C[i][j-1])+grid[i][j];
            }
        }
        return C[m-1][n-1];
    }
}

最后的运行效率：

处在第一梯队，没有出现数量级上的差异。显然该问题的时间复杂度的下界为Ω(nm)，也为至少需要把m*n的矩阵都遍历一遍。