给定一个三角形 triangle ,找出自顶向下的最小路径和。
每一步只能移动到下一行中相邻的结点上。相邻的结点 在这里指的是 下标 与 上一层结点下标 相同或者等于 上一层结点下标 + 1 的两个结点。也就是说,如果正位于当前行的下标 i ,那么下一步可以移动到下一行的下标 i 或 i + 1 。
示例 1:
输入:triangle = [[2],[3,4],[6,5,7],[4,1,8,3]]
输出:11
解释:如下面简图所示:
2
3 4
6 5 7
4 1 8 3
自顶向下的最小路径和为 11(即,2 + 3 + 5 + 1 = 11)。
示例 2:
输入:triangle = [[-10]]
输出:-10
动态规划
class Solution {
public:
int minimumTotal(vector<vector<int>>& triangle) {
int n = triangle.size();
vector<vector<int>> dp(n,vector<int>(n));
dp[0][0] = triangle[0][0];
for(int i = 1;i < n;i++){
dp[i][0] = dp[i-1][0] + triangle[i][0];
for(int j = 1;j < i;j++){
dp[i][j] = min(dp[i-1][j],dp[i-1][j-1]) + triangle[i][j];
}
dp[i][i] = dp[i-1][i-1] + triangle[i][i];
}
return *min_element(dp[n-1].begin(), dp[n-1].end());
}
};
时间复杂度:O(n^2),其中 n 是三角形的行数。
空间复杂度:O(n^2)。我们需要一个 n∗n 的二维数组存放所有的状态。
经典的动态规划题目,创建一个大小为n^2的二维数组来储存每个位置的最小路径和。对triangle的元素一一进行遍历。
列出状态转移方程
dp[i][j] = min(dp[i-1][j],dp[i-1][j-1]) + triangle[i][j];
初始化每行第一个元素和最后一个元素
dp[i][0] = dp[i-1][0] + triangle[i][0];
dp[i][i] = dp[i-1][i-1] + triangle[i][i];
返回最后一行最小路径dp。
return *min_element(dp[n-1].begin(), dp[n-1].end());
由于要维护一个n * n的二维数组,造成了空间浪费,可以采用一些手段进行优化。
空间优化
class Solution {
public:
int minimumTotal(vector<vector<int>>& triangle) {
int n = triangle.size();
vector<int> f(n);
f[0] = triangle[0][0];
for (int i = 1; i < n; i++) {
f[i] = f[i - 1] + triangle[i][i];
for (int j = i-1;j >= 1; j--) {
f[j] = min(f[j - 1], f[j]) + triangle[i][j];
}
f[0] += triangle[i][0];
}
return *min_element(f.begin(), f.end());
}
};
时间复杂度:O(n^2 ),其中 n 是三角形的行数。
空间复杂度:O(n)。
一个需要注意的是第二个for循环是从右往左的,因为在计算f[j]的时候,f[j-1]应该是上一行的元素,如果从左往右遍历元素的话,会导致f[j-1]被覆盖,在计算中会变成左边的元素,这是不希望看到的。
这道题还可以从下往上遍历三角,那样子的做法有一种好处就是在return的时候不用进行搜索最小值,只需要返回最顶层的元素即可,原理一样,这里不做演示。