Given a triangle, find the minimum path sum from top to bottom. Each step you may move to adjacent numbers on the row below.
For example, given the following triangle
[ [2], [3,4], [6,5,7], [4,1,8,3] ]
The minimum path sum from top to bottom is 11
(i.e., 2 + 3 + 5 + 1 = 11).
Note:
Bonus point if you are able to do this using only O(n) extra space, where n is the total number of rows in the triangle.
解题思路
简单的动态规划,唯一的问题是题目里给的空间复杂度的要求。先来说动态规划,当选择下面一层中的数字时,我们只能选择相邻的数字。什么是相邻的数字呢?拿上面的例子来说,对于2,下一行里3和4是相邻的;对于3来说,6和5>是相邻的;对于4来说,5和7是相邻的;对于6来说,4和1是相邻的;对于5来说,1和8是相邻的;对于7来说,8和3是相邻的;对于4/1/8/3来说,没有下一行所以没有相邻数字了。如果我们把数字都对应到数据在每一行中的下标上,可
以很容易发现,对于一个data[i][j],和它相邻的数字就是data[i+1][j]和data[i+1][j+1]。这样一来问题就简单了。假如我们用minimus[i][j]来表示从第i行第j列处的数字开始往下到最后一层的最小路径和,那么有
minimus[i][j]=data[i][j]+min(minimums[i+1][j]+minimums[i+1][j+1])
然而上述描述中需要一个O(n^2)的额外空间,接下来我们来解决这个问题。
由于我们在公式里需要递归求解子问题,那么我们不妨反过来想一下,先求解子问题,然后再解决父问题。即,从下往上求解最小路径和。我们可以发现如下规律,当我们求解minimum[i][j]时,我们会用到minimum[i+1][j]和minimum[i+1][j+1],但是当求解完所有minimum[i]之后minimum[i+1]就没有用处了。既然如此,我们是否可以复用同一个空间来存储minimum的值呢?答案是可以的。进一步观察发现,存储最后一行的每个数字的最小路径和需要n个空间>,因此至少我们需要n个空间,这也是题目里给出O(n)的空间复杂度的原因;之后存储倒数第二行时,我们只需要前面的n-1个空间……以此类推,第一行只需要一个空间来存储最小路径和,这也正是我们要求解的结果。
具体算法见下文。
算法描述
- 申请n个空间minNums[n],初始化minNums[n]为数据triangle[][]的最后一行。最后一行的数字到最底层的最小路径和就是他们自己本身。
- 从倒数第二行开始往上(row),从左向右(col)循环计算并更新minNums的值,minNums[col]=min(minNums[col], minNums[col+1]) + triangle[row][col]
- 最后minNums[0]就是我们要的答案。
class Solution(object):
def minimumTotal(self, triangle):
"""
:type triangle: List[List[int]]
:rtype: int
"""
length = len(triangle)
minlen = triangle[-1]
for i in range(length-2, -1, -1):
for j in range(i+1):
minlen[j] = min(minlen[j],minlen[j+1]) + triangle[i][j]
return minlen[0]