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”)。
现在考虑网格中有障碍物。那么从左上角到右下角将会有多少条不同的路径?
网格中的障碍物和空位置分别用 1 和 0 来表示。
示例 1:
输入:obstacleGrid = [[0,0,0],[0,1,0],[0,0,0]]
输出:2
解释:
3x3 网格的正中间有一个障碍物。
从左上角到右下角一共有 2 条不同的路径:
- 向右 -> 向右 -> 向下 -> 向下
- 向下 -> 向下 -> 向右 -> 向右
示例 2:
输入:obstacleGrid = [[0,1],[0,0]]
输出:1
提示:
m == obstacleGrid.length
n == obstacleGrid[i].length
1 <= m, n <= 100
obstacleGrid[i][j] 为 0 或 1
方法一:经典动态规划
使用数组dp[i][j]表示机器人到达当前顶点的路径总数,则有状态转移方程:
dp[i][j] = dp[i-1][j] + dp[i][j-1]
初始条件下,第一行的路径数dp[i][0],根据当前顶点是否是障碍物以及之前的顶点是否是障碍物,初始化为1或者0,第一列同理。最后总的路径数就是dp[n-1][m-1],其中n为行数,m为列数。
class Solution:
def uniquePathsWithObstacles(self, obstacleGrid: List[List[int]]) -> int:
n, m = len(obstacleGrid), len(obstacleGrid[0])
dp = [[0]*m for _ in range(n)]
dp[0][0] = 1 if obstacleGrid[0][0]==0 else 0
for i in range(1, n): #初始化第一列
if obstacleGrid[i][0] == 0:
dp[i][0] = dp[i-1][0]
for j in range(1, m): #初始化第一行
if obstacleGrid[0][j] == 0:
dp[0][j] = dp[0][j-1]
for i in range(1, n):
for j in range(1, m):
if obstacleGrid[i][j] == 0:
dp[i][j] = dp[i-1][j] + dp[i][j-1]
return dp[n-1][m-1]
时间复杂度:O(mn)
空间复杂度:O(mn)
优化方法:使用滚动数组优化空间,由于状态转移方程只涉及到当前行和上一行,因此可以只使用一行数组dp[i],来表示到达第i个节点的路径数。则有如下代码:
class Solution:
def uniquePathsWithObstacles(self, obstacleGrid: List[List[int]]) -> int:
n, m = len(obstacleGrid), len(obstacleGrid[0])
dp = [0] * m
#初始化第一个顶点
dp[0] = 1 if obstacleGrid[0][0]==0 else 0
for i in range(n):
for j in range(m):
if obstacleGrid[i][j]==1:
dp[j] = 0
continue
if j >= 1:
dp[j] = dp[j] + dp[j-1]
return dp[m-1]
时间复杂度:O(m*n)
空间复杂度:O(m)