动态规划（leetcode第62题）

  

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：

1. 确定题中的变量只有m和n。
2. 创建dp数组，其容量是m行，n列。
3. 通过上述的递归方法分析边界条件。
4. 通过边界条件首先填出dp数组中的临界值。
5. 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：