题目
给定一个三角形,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。
例如,给定三角形:
[
[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)。
说明:
如果你可以只使用 O(n) 的额外空间(n 为三角形的总行数)来解决这个问题,那么你的算法会很加分。
class Solution:
def minimumTotal(self, triangle: List[List[int]]) -> int:
# # 递归 从上而下,
# # 递归可以写的很简洁,但是一般内存占用较大
# # 而且递归是
# def minpathsum(triangle, i, j):
# if i == len(triangle) - 1:
# return triangle[i][j] # 返回当前状态的值
# return triangle[i][j] + min(minpathsum(triangle,i+1,j), minpathsum(triangle,i+1,j+1))
# if not triangle:
# return 0
# else:
# return minpathsum(triangle,0,0)
# 从下而上,动态规划
## 第二种:动态规划
## 反向思考
if not triangle:
return 0
res = triangle[-1] # 最后一行, 有点像是反向贪心算法,然后反向可以写循环,正向只能写递归
for i in range(len(triangle)-2, -1, -1):
for j in range(0, len(triangle[i])):
res[j] = triangle[i][j] + min(res[j], res[j+1])
return res[0]
总结:
- 递归的程序可以写的很简洁,但是编译器是用栈实现的,其实内部的逻辑还是一种自底向上的动态规划实现。所以写递归程序的时候,一定要正向思考,不要陷入到递归的逻辑中,注意写好递归结束条件。
- 动态规划,觉得就是反向的贪心算法,因为已经知道后面的状态。
- 动态规划:最重要的就是要找到状态转移的方程。