恕我直言,这道题做的十分的爽,解法千变万化,不知是哪位神人出的?
解法一:(虽然跑不出来,但是依然要贴上)
递归版,但数据量大时leetcode上run会失败。
class Solution:
def uniquePaths(self, m: 'int', n: 'int') -> 'int':
if m==1 or n==1:
return 1
else:
return self.uniquePaths(m, n-1) + self.uniquePaths(m-1, n)
解法二:空间换时间(貌似也换不了多少时间)
采用一个M*N的二维数组,第一行和第一列均为1,因为到达其位置的路径只有一种。那么到达[i, j]位置的路径有[i-1,j]+[i,j-1]种。
class Solution:
def uniquePaths(self, m: 'int', n: 'int') -> 'int':
num_L = []
for i in range(m):
num_L.append([])
for i in range(0, n):
num_L[0].append(1)
for i in range(1, m):
num_L[i].append(1)
for i in range(1, m):
for j in range(1, n):
num_L[i].append(num_L[i-1][j]+num_L[i][j-1])
return num_L[m-1][n-1]
解法三:
这种方法要细说。以题目中的例子为例,让我们仔细想一想,当格子的长宽为3*7时,
我们要往下两步,往右六步,往下或是往右互不干涉。这不就是八个数的全排列吗?只不过这八个数里相同的数很多而已,全排列请参考这个。
但没想到的是,利用这种解法依然时间超出限制。本以为这还是一种比较好的解法,但是依然行不通,看来带有递归形式的解法可能不适于这题的求解。
解法四:
上面的一个解法没有解决问题很是令我失望,按常理这里题目肯定还会有更好的解法。回顾之前的解法二,空间上是否可以缩的更小呢?解法二中采用了二维数组的方法,主要是来存储之前已经计算过的值。具体来讲,便是用当前位置上面和左面的值来计算当前的值,实际上每次运算的过程只需要两行的存储空间,这样的话便可以对解法二进行改进!
class Solution:
def uniquePaths(self, m: 'int', n: 'int') -> 'int':
if m > n:
self.uniquePaths(n, m)
cur = []
pre = []
for i in range(m):
cur.append(1)
pre.append(1)
for i in range(1, n):
for j in range(1, m):
cur[j] = cur[j-1]+pre[j]
pre, cur = cur, pre
return pre[m-1]
嗯!时间复杂度上终于算可以了,但是空间上依然消耗很大,肯定还有别的方法!
解法五:
继续观察上面的解法四,可以看到每次更新cur[i]位置的值时,需要用到cur[i-1]和pre[i],试问这时的pre是怎么来的,对,没错,就是之前的cur。如果我们不更换cur和pre的话,当前cur[i]的值=cur[i](更换后的pre)+cur[i-1]。不说了,上代码:
class Solution:
def uniquePaths(self, m: 'int', n: 'int') -> 'int':
if m > n:
self.uniquePaths(n, m)
cur = []
for i in range(m):
cur.append(1)
for i in range(1, n):
for j in range(1, m):
cur[j] += cur[j-1]
return cur[m-1]
但是很令人费解的是,即使是这样,时间复杂度也只是beat了70%的人,不应该啊!
后来在某贴上看到公式大法:
class Solution:
# @return an integer
def uniquePaths(self, m, n):
aux = [[1 for x in range(n)] for x in range(m)]
for i in range(1, m):
for j in range(1, n):
aux[i][j] = aux[i][j-1]+aux[i-1][j]
return aux[-1][-1]
不得不说,还是公式好!