一个机器人位于一个 m x n 网格的左上角 (起始点在下图中标记为“Start” )。
机器人每次只能向下或者向右移动一步。机器人试图达到网格的右下角(在下图中标记为“Finish”)。
问总共有多少条不同的路径?
例如,上图是一个7 x 3 的网格。有多少可能的路径?
示例 1:
输入: m = 3, n = 2
输出: 3
解释:
从左上角开始,总共有 3 条路径可以到达右下角。
1. 向右 -> 向右 -> 向下
2. 向右 -> 向下 -> 向右
3. 向下 -> 向右 -> 向右
示例 2:
输入: m = 7, n = 3
输出: 28
提示:
1 <= m, n <= 100
题目数据保证答案小于等于 2 * 10 ^ 9
动态规划:
class Solution(object):
def uniquePaths(self, m, n):
"""
:type m: int
:type n: int
:rtype: int
"""
dp = [1 for _ in range(n)]
for row in range(1,m):
for column in range(n):
if column == 0:
dp[column] = dp[column]
else:
dp[column] = dp[column]+dp[column-1]
return dp[-1]
这道题属于简单的动态规划问题,对于每一个格子而言,到达这个格子的方式有两种可能,一种是从左边的格子过来(如果左边有格子的话),另一种则是从上一层的格子过来(如果有上一层的格子)。那么走到这个格子的走法就是左边和上面这两个格子的所有可能性之和。那么我们需要用一个长度为n的数组来保存状态,并且我们可以对第一行直接进行初始化,因为我们可以知道对于第一行的任意一个格子,它的走法都只有一个可能性,那就是从最左边的格子走过来。完成第一行的初始化后,后面每行的遍历也就比较简单了。此外,我们对这个数组做了一定的设计,当第dp[row][column]格子计算完之后,我们就不需要dp[row-1][column]这个状态量了,所以我们不需要对其进行保存,转而我们可以保存dp[row][column],所以这也是为什么我们只需要一维而不是二维的dp数组。
递归(回溯):
def uniquePaths(self, m, n):
"""
:type m: int
:type n: int
:rtype: int
"""
def backtrack(m, n, i, j):
if i == m - 1 and j == n - 1:
return 1
else:
countRight = backtrack(m, n, i, j+1) if n > j+1 else 0
countLeft = backtrack(m ,n ,i+1, j) if m > i+1 else 0
return countLeft + countRight
if m == n == 1:
return 1
countRight = backtrack(m, n, 0, 1) if n > 1 else 0
countLeft = backtrack(m ,n ,1, 0) if m > 1 else 0
return countLeft + countRight
可以用回溯法来做这道题,代码会比较直观,但是当矩阵变得较大时性能会非常差。