192、【动态规划】leetcode ——64. 最小路径和：回溯法+动态规划（C++/Python版本）

题目描述

原题链接：64. 最小路径和

解题思路

（1）回溯法

分别向右或下进行探查

class Solution {
public:
    int res = INT_MAX;
    void backtracking(vector<vector<int>>& grid, int x, int y, int pathSum) {
    	// 超出边界，返回
        if(x >= grid.size() || y >= grid[0].size())           return ;
        pathSum += grid[x][y];
        if(x == grid.size() - 1 && y == grid[0].size() - 1) {
            res = min(res, pathSum);
            return ;
        }

        for(int i = x; i < grid.size(); i++) {
            for(int j = y; j < grid[0].size(); j++) {
                backtracking(grid, x + 1, y, pathSum);            
                backtracking(grid, x, y + 1, pathSum);
            }
        }
    }
    int minPathSum(vector<vector<int>>& grid) {
        backtracking(grid, 0, 0, 0);
        return res;
    }
};

此方式会超时。

（2）动态规划

对于二维数组求最优解，常用的方式就是递归+备忘录，也就是动态规划，而递归可以用迭代实现。

• 动态规划五步曲：

（1）dp[i][j]： 到达(i, j)处时，最短路径的长度

（2）递推公式： $dp[i][j]=min(dp[i-1][j],dp[i][j-1])+grid[i][j]$，因为只能往右或下走，因此到达(i, j)处时，只可能有两条路过来，此时就找已有的两条路中最短路径的那一条。

（3）dp数组初始化： dp[i][0] = dp[i - 1][0] + grid[i][0]$，$dp[0][j] = dp[0][j - 1] + grid[0][j]，边界上只会顺着一条路走下来，这一种情况（因为只能往下或者往右走）。dp[0][0] = grid[0][0]。

（4）遍历顺序： 从上到下，从左到右，一步一步逼近终点。

（5）举例： （省略）

class Solution {
public:
    int minPathSum(vector<vector<int>>& grid) {
        int n = grid.size(), m = grid[0].size();
        vector<vector<int>> dp(n, vector<int>(m));
        dp[0][0] = grid[0][0];
        for(int i = 1; i < n; i++)          dp[i][0] = dp[i - 1][0] + grid[i][0];
        for(int i = 1; i < m; i++)          dp[0][i] = dp[0][i - 1] + grid[0][i];

        for(int i = 1; i < n; i++) {
            for(int j = 1; j < m; j++) {
                dp[i][j] = min(dp[i - 1][j], dp[i][j - 1]) + grid[i][j];
            }
        }

        return dp[n - 1][m - 1];
    }
};

Python

class Solution:
    def minPathSum(self, grid: List[List[int]]) -> int:
        m, n = len(grid), len(grid[0])
        dp = [[0] * n for _ in range(m)]
        dp[0][0] = grid[0][0]
        for i in range(1, m):
            dp[i][0] = dp[i - 1][0] + grid[i][0]
        for i in range(1, n):
            dp[0][i] = dp[0][i - 1] + grid[0][i]
        
        
        for i in range(1, m):
            for j in range(1, n):
                dp[i][j] = min(dp[i - 1][j], dp[i][j - 1]) + grid[i][j]
        
        return dp[m - 1][n - 1]

参考文章：64. 最小路径和、最小路径和、动态规划之最小路径和