动态规划之最小路径：64.最小路径

给定一个包含非负整数的 m x n 网格，请找出一条从左上角到右下角的路径，使得路径上的数字总和为最小。

说明：每次只能向下或者向右移动一步。

示例:

输入:
[
  [1,3,1],
  [1,5,1],
  [4,2,1]
]
输出: 7
解释: 因为路径 1→3→1→1→1 的总和最小。

1、题目分析

从左上角走到右下角，然后每次只能向下或者向右走一步，最后得到一条最短路径，很显然典型的动态规划问题。

2、解题分析

• 动态规划
  • 初始化一个dp数组，和给定数组一样大小，dp[0][0]=grid[0][0]
  • 初始化dp的第一行和第一列
  • 双层循环更新dp数组，状态转移方程：dp[i][j] = min(dp[i-1][j],dp[i][j-1])+grid[i][j]
    • 因为从两个方向来，所以比较两个方向的最小值
  • 返回dp[-1][-1]得到最短路径
• 原地优化
  • 上述动态规划的空间复杂度是O(m*n)
  • 降低时间复杂度的话就再原地进行动态转移变换

3、代码

class Solution:
    def minPathSum(self, grid: List[List[int]]) -> int:

        if not grid:
            return 0
        m,n = len(grid),len(grid[0])

        #初始化一个二维矩阵
        dp = [[0]*n for _ in range(m)]
        dp[0][0] = grid[0][0]
        
        #初始化第一行和第一列
        for i in range(1,n):
            #dp[0][i] = grid[0][i]+dp[0][i-1]
            grid[0][i]+=grid[0][i-1]    #原地动态
        
        for j in range(1,m):
            #dp[j][0] += grid[j][0]+dp[j-1][0]
            grid[j][0]+=grid[j-1][0]   #原地动态

        for i in range(1,m):
            for j in range(1,n):
                #dp[i][j] = min(dp[i-1][j],dp[i][j-1])+grid[i][j]
                grid[i][j] += min(grid[i-1][j],grid[i][j-1])      #原地动态
        return grid[-1][-1]
        #return dp[-1][-1]

总结：看到最短路径等字眼，一般都想到BFS和动态规划；这道题目是一个典型的动态规划的问题。