Leetcode 1289.下降路径最小和II

目录

1289. 下降路径最小和 II - 力扣（LeetCode）

 思路解析

---

1289. 下降路径最小和 II - 力扣（LeetCode）

 

 

 思路解析

首先关注到这道题是一个 “路径最优化” 的题目。因此，我们通常可以使用 DAGDP(有向图动态规划) 解决。

所以，我们的解决算法关注到 “动态规划”。接下来我们分析最优结构的特征信息。因为我们需要返回最小路径和，那么我们的最优子结构应该存放 最小路径和。接下来，因为我们的起点是不固定的，而终点是固定可知的。所以我们不妨记 dp(i, j) 表示以第 i 行第 j 列为终点的最小和。

状态转移方程为：

,其中 

至此我们发现，我们需要一层循环遍历 j，一层循环遍历 k，还需要一次循环遍历 i。至此我们发现算法的时间复杂度在O(),当然面对这一道题目毛估估是可以过关的。因为 n 最大也就200。

这一段代码符合常理，也好编写。所以，我们不做展示。

接下来，我们经行优化。在遍历寻找的最小位置的时候，我们发现：如果第 i-1 行的最小值位置为 pos，那么除了 dp[i][pos] 外，其他列的最小值都应该由该位置转移而来。那么dp[i][pos]就应该从第 i-1 行第2小的位置转移而来。

基于此，我们可以撤销遍历k的循环，从而使用 first_sum,first_pos,second_sum来代替。注意第2小的位置我们无需关心，因为一定不会跟第1小的位置相同。

因为最后的答案就是第 i 行的 first_sum。所以我们在这里还可以撤销dp数组的额外空间。

AC代码：

class Solution {
public:
    int minFallingPathSum(vector<vector<int>>& grid) {
        int n = grid.size();
        
        int first_sum = 0, first_pos = -1, second_sum = 0;//初始化不对第 0 行的值有影响即可
        for (int i = 0; i < n; ++i) {
            int cur_fs = INT_MAX, cur_fp = -1, cur_ss = INT_MAX;//寻找当前的前两个小值
            for (int j = 0; j < n; ++j) {
                int cur_sum = (j == first_pos? second_sum: first_sum) + grid[i][j];

                if (cur_sum < cur_fs) {
                    cur_ss = cur_fs;
                    cur_fs = cur_sum;
                    cur_fp = j;
                }
                else if (cur_sum < cur_ss) {
                    cur_ss = cur_sum;
                }
            }

            //更新first_sum, first_pos, second_sum值
            first_sum = cur_fs;
            first_pos = cur_fp;
            second_sum = cur_ss;
        }

        return first_sum;//返回第 n - 1行的最小值
    }
};