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?
输入:m = 3, n = 7
输出:28
示例2:
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 -> 向下 -> 向下
2. 向下 -> 向下 -> 向右
3. 向下 -> 向右 -> 向下
示例3:
输入:m = 7, n = 3
输出:28
示例4:
输入:m = 3, n = 3
输出:6
提示:
1 <= m, n <= 100;
题目数据保证答案小于等于
2 * 109
这个题是一个经典的动态规划题,也是我觉得最简单的一个动态规划题目。对于初学者,当遇到动态规划题目时,不要着急,先写出该题目的递归形式,因为任意一道动态规划题都可以用暴力递归解决。先将递归方式写出来有利于我们分析动态规划的做法。
那我们就先来用递归解决这道问题。题中说要从m*n的网格中的左上角走到右下角。对于每一个格子,只能往走和往右走。那也就是对于每一个格子来说,其走法都有两种。那递归代码就信手拈来了。
class Solution {
public int uniquePaths(int m, int n) {
if(m == 1 || n == 1) {
/*
注意这里递归的结束条件,不管是往下走到底了还是往右走到底了都应该返回一种走法
*/
return 1;
}
//当没有走到底的时候,对于每一个格子都有两种走法
return uniquePaths(m,n - 1) + uniquePaths(m - 1,n);
}
}
高兴的是我们将递归方法写出来了,但遗憾的是递归时间超出限制了。因此,我们不得不用动态规划来解答。下面是使用动态规划的步骤:
- 确定题中的变量只有m和n。
- 创建dp数组,其容量是m行,n列。
- 通过上述的递归方法分析边界条件。
- 通过边界条件首先填出dp数组中的临界值。
- 通过递归方法分析dp数组中一般化的值是怎么来的。
比如拿示例1来说,给了一个3*7的网格,那么dp数组就是3行7列。如下图:
然后我们由上述的递归中的边界条件可以得出:dp数组中最后一行和最后一列都是1。
然后看递归语句,对于每一个格子,都分为往下走和往右走,也就是说dp数组中剩下的每一个值都等于它的下边那个值和它右边那个值之和。那我们就从右下角还没有填值的地方依次填就行了。填好的格子如下:
需要说明的是这样一来,格子中的对应的数据就代表着该格子去往右下角的方法数。那么dp[0][0]就是我们需要的结果,将其返回即可。这就是动态规划。
class Solution {
public int uniquePaths(int m, int n) {
int[][] dp = new int[m][n];
for(int j = 0;j < n;j++) {
dp[m - 1][j] = 1; //最后一行
}
for(int i = 0;i < m - 1;i++) {
dp[i][n - 1] = 1; //最后一列
}
for(int j = n - 2;j >= 0;j--) {
for(int i = m - 2;i >= 0;i--) {
dp[i][j] = dp[i][j + 1] + dp[i + 1][j];
}
}
return dp[0][0];
}
}
提交结果: