LeetCode-day23-不同路径-动态规划-py
题目回顾
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?
start | 0 | 0 | 0 | 0 | 0 | 0 |
---|---|---|---|---|---|---|
0 | 0 | 0 | 0 | 0 | 0 | 0 |
0 | 0 | 0 | 0 | 0 | 0 | finish |
例如,上图是一个7 x 3 的网格。有多少可能的路径?
**说明:**m 和 n 的值均不超过 100。
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
题解
参考题解
时间复杂度是 O ( n ∗ m ) O(n*m) O(n∗m),
空间复杂度 O ( n ∗ m ) − > O ( 2 n ) − > O ( n ) O(n*m)->O(2n)->O(n) O(n∗m)−>O(2n)−>O(n),
执行用时: 80 m s 80 ms 80ms
动态规划
核心思想,每个空格的路径由它上方一格和左边一格之和。
首行和首列都为1,因为路径条数只能是一条,要么一直右,要么一直下
d p [ i ] [ j ] = d p [ i − 1 ] d p [ j ] + d p [ i ] [ j − 1 ] dp[i][j]=dp[i-1]dp[j]+dp[i][j-1] dp[i][j]=dp[i−1]dp[j]+dp[i][j−1]
以下三种优化空间复杂度,核心思想不变
py 空间复杂度O(n*m)
class Solution:
def uniquePaths(self, m, n) :
matrix=[]
for i in range(n): #初始化矩阵
matrix.append([1 for j in range(m)])
for i in range(1,n):
for j in range(1,m):
matrix[i][j]=matrix[i-1][j]+matrix[i][j-1]
print(matrix)
return matrix[n-1][m-1]
if __name__=='__main__':
sol=Solution()
m=7
n=3
num=sol.uniquePaths(m,n)
print(num)
py空间复杂度O(2n)
class Solution:
def uniquePaths(self, m, n) :
pre = [1] * n #前一列
cur = [1] * n #当前列
for i in range(1, m):
for j in range(1, n):
cur[j] = pre[j] + cur[j-1] #pre[j]=左边一格的路径数 cur[j=1]=上边一格的路径数
pre = cur[:] #更新列
return pre[-1]
py 空间复杂度O(n)
class Solution:
def uniquePaths(self, m, n) :
cur = [1] * n
for i in range(1, m):
for j in range(1, n):
cur[j] += cur[j-1] #保持最新的一列,cur[j]左边一个路径数 cur[j=1]上边一格路径数
print(cur[j])
return cur[-1]