在一个 m*n 的棋盘的每一格都放有一个礼物,每个礼物都有一定的价值(价值大于 0)。你可以从棋盘的左上角开始拿格子里的礼物,并每次向右或者向下移动一格、直到到达棋盘的右下角。给定一个棋盘及其上面的礼物的价值,请计算你最多能拿到多少价值的礼物?
示例 1:
输入:
[
[1,3,1],
[1,5,1],
[4,2,1]
]
输出: 12
解释: 路径 1→3→5→2→1 可以拿到最多价值的礼物
这个算法,又像 DP 又像贪心算法。
我们利用一个比原格子多一行,一列的表格反向计算从每个格子出发的最大值。多加的行和列初始为 0,可以用来简化边界判断。
对于每一个格子,它的最优解就是本格子的值,加上分别向下和向右能得到的最大值。所以我们保证每一格贪心即可,最终到达左上角。
class Solution:
def maxValue(self, grid: List[List[int]]) -> int:
if not grid : return 0
M,N = len(grid), len(grid[0])
tb = [[0]*(N+1) for _ in range(M+1)]
for m in reversed(range(M)):
for n in reversed(range(N)):
tb[m][n] = grid[m][n] + max(tb[m+1][n], tb[m][n+1])
return tb[0][0]
动态规划
代码
class Solution:
def maxValue(self, grid: List[List[int]]) -> int:
# 状态:每一步
# dp[i][j]:当前状态的最大价值
# 状态转移方程:dp[i][j] = max(dp[i-1][j],dp[i][j-1]) + grid[i][j]
m = len(grid)
n = len(grid[0])
dp = [[0 for j in range(n)] for i in range(m)]
dp[0][0] = grid[0][0]
for j in range(1,n):
dp[0][j] = dp[0][j-1] + grid[0][j]
for i in range(1,m):
dp[i][0] = dp[i-1][0] + grid[i][0]
for i in range(1,m):
for j in range(1,n):
dp[i][j] = max(dp[i-1][j],dp[i][j-1]) + grid[i][j]
return dp[m-1][n-1]