动态规划3:矩阵最小路径和问题

作者:小菜鸟也想飞

题目:有一个矩阵map,它每个格子有一个权值。从左上角的格子开始每次只能向右或者向下走,最后到达右下角的位置,路径上所有的数字累加起来就是路径和,返回所有的路径中最小的路径和。

给定一个矩阵map及它的行数n和列数m,请返回最小路径和。保证行列数均小于等于100.

测试样例:[[1,2,3],[1,1,1]],2,3返回:4

思路:单纯从问题来看,这是一个非常复杂的问题,需要大量的遍历操作。分析得知:每一个位置map[i][j]只可能来自map[i][j-1]向右走一个结点或者map[i-1][j]向下走一个结点,因此只需要比较到达map[i][j-1]和到达map[i-1][j]的路径较小值加上map[i][j]就是所求答案,这时考虑使用递归,但是可知,这种递归处理属于暴力搜索的方式,因为没有对任何已经计算出来的结果进行保存和复用,因此上面这种思路是低效或者不符合要求的,应该使用动态规划来解决问题。

动态规划思想:先求简单值在逐步递推求复杂值,后面的值通过前面的结果来求得。

思路:求出到达每一个结点map[i][j]的最小路径将其保存在数组dp[i][j]中,求任意dp[i][j]的值完全依赖于dp[i-1][j]和dp[i][j-1],因此先求出dp[][]数组的第1行和第1列,然后从上到下,从左到右计算出每一个位置的结果值。

①创建一个二维数组记录每个位置的最小路径dp[n][m];

②求出dp[][]中第1行和第1列的结果填充到dp[][]中;注意:在动态规划问题中第1行和第1列需要手动求出,需要根据问题的要求进行求解,一般第1行和第1列的求解很简单。

③从上到下,从左到右,通过二重循环求出任意dp[i][j]的结果填充到dp[][]中;注意:二重循环中i,j都是从1开始进行遍历,即从矩阵第2行第2列的位置开始填充。

④最后dp[n-1][m-1]就是所求的结果。

import java.util.*;
//矩阵最短路径和问题:动态规划4部曲
public class MinimumPath {
    public int getMin(int[][] map, int n, int m) {
        //特殊输入
        if(map==null||n<=0||m<=0) return 0;
        //①创建动态规划结果矩阵dp[][]
        int[][] dp=new int[n][m];
        //②求解第1行第1列的结果值
        dp[0][0]=map[0][0];
        for(int i=1;i<m;i++){
            dp[0][i]=dp[0][i-1]+map[0][i];
        }
        //求第1列的结果值
        for(int i=1;i<n;i++){
            dp[i][0]=dp[i-1][0]+map[i][0];
        }
        //③从上到下,从左到右求任意dp[i][j]
        for(int i=1;i<n;i++){
            for(int j=1;j<m;j++){
                dp[i][j]=map[i][j]+Math.min(dp[i-1][j],dp[i][j-1]);
            }
        }
        //④返回右下角的结果值
        return dp[n-1][m-1];
    }
}
  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 矩阵最小路径问题是指给定一个矩阵,从左上角出发,每次只能向右或向下走,到达右下角的最小路径和。这个问题可以使用动态规划法来解决。具体来说,我们可以定义一个二维数组dp,其中dp[i][j]表示从左上角到达(i,j)位置的最小路径和。则有以下状态转移方程: dp[i][j] = min(dp[i-1][j], dp[i][j-1]) + matrix[i][j] 其中,matrix[i][j]表示矩阵中第i行第j列的元素值。最终的答案即为dp[m-1][n-1],其中m和n分别为矩阵的行数和列数。 ### 回答2: 矩阵最小路径问题指的是在一个矩阵中,从左上角到右下角的一条路径上,求路径上所有元素值之和最小的问题。这是一个典型的动态规划问题。 我们可以定义一个二维数组dp[m][n],其中dp[i][j]表示从矩阵的左上角到第i行j列的元素的最小路径和。显然,矩阵的左上角元素的最小路径和为其本身,即dp[0][0] = matrix[0][0]。 对于其他位置的元素,我们可以通过以下递推公式来求解: dp[i][j]=min(dp[i-1][j],dp[i][j-1])+matrix[i][j] 其中,dp[i-1][j]表示从左上角到dp[i-1][j]的路径最小和,dp[i][j-1]表示从左上角到dp[i][j-1]的路径最小和,matrix[i][j]表示当前位置的元素值。 最后,dp[m-1][n-1]就是从左上角到右下角的最小路径和。 具体的实现可以用两层循环来遍历矩阵,来更新dp数组。最终的时间复杂度为O(mn),空间复杂度也为O(mn)。 需要注意的是,在实际的求解过程中,为了避免dp数组中的元素被反复读取,可以在原始矩阵上进行原地修改,不需要新建一个dp数组。这样可以将空间复杂度降至O(1)。 总之,矩阵最小路径问题是一个经典的动态规划问题。通过定义dp数组,以及递推公式,可以很好地解决这个问题。在实际中,需要注意如何优化空间复杂度,以及边界条件的处理。 ### 回答3: 矩阵最小路径问题是指在一个矩阵中,从左上角走到右下角,每次只能向下或向右走,求经过的路径上数字之和的最小值。这个问题可以使用动态规划算法来解决。 首先,我们可以定义一个二维的状态数组 dp[i][j],其中 dp[i][j] 表示从左上角走到位置 (i,j) 的最小路径和。对于第一行和第一列,它们只能向右或向下走,因此它们的状态值可以直接累加。即 dp[i][0] = sum(0,0->i,0),dp[0][j] = sum(0,0->0,j)。 对于其它位置 (i,j),它们可以从其上面或左边的位置转移而来。因此,我们有如下的转移方程: dp[i][j] = min(dp[i-1][j], dp[i][j-1]) + matrix[i][j] 其中,matrix[i][j] 表示位置 (i,j) 上的数字。 最后,矩阵最小路径和就是 dp[m-1][n-1],其中 m 和 n 分别是矩阵的行数和列数。 使用动态规划算法求解矩阵最小路径问题的时间复杂度为 O(mn),空间复杂度为 O(mn)。因此,这个算法在面对大规模矩阵时可能会产生性能问题。为了解决这个问题,我们可以使用滚动数组来减小空间复杂度,或者使用贪心算法来近似解决问题

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值