leetCode 120. 三角形最小路径和「中等」

题目

给定一个三角形 triangle ，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。相邻的结点 在这里指的是 下标 与 上一层结点下标 相同或者等于 上一层结点下标 + 1 的两个结点。也就是说，如果正位于当前行的下标 i ，那么下一步可以移动到下一行的下标 i 或 i + 1 。

示例 1：

输入：triangle = [[2],[3,4],[6,5,7],[4,1,8,3]]
输出：11
解释：如下面简图所示：
   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）。

示例 2：

输入：triangle = [[-10]]
输出：-10

提示：

1 <= triangle.length <= 200
triangle[0].length == 1
triangle[i].length == triangle[i - 1].length + 1
-10^4 <= triangle[i][j] <= 10^4

解答

动态规划

思路：在本题中，给定的三角形的行数为 n ( triangle.size( ) )，并且第 i 行（从 0 开始编号）包含了 i+1 个数。如果将每一行的左端对齐，那么会形成一个等腰直角三角形，如下所示：

[2]

[3,4]

[6,5,7]

[4,1,8,3]

我们用 res[i][j] 表示从三角形顶部走到位置 (i, j) 的最小路径和。这里的位置 (i, j) 指的是三角形中第 i 行第 j 列（均从 0 开始编号）的位置。

由于每一步只能移动到下一行「相邻的节点」上，因此要想走到位置 (i, j)，上一步就只能在位置 (i - 1, j - 1) 或者位置 (i - 1, j)。我们在这两个位置中选择一个路径和较小的来进行转移，状态转移方程为：

res[i][j] = min(res[i−1][j−1], res[i−1][j]) + c[i][j]

其中 c[i][j] 表示位置 (i, j) 对应的元素值。

注意第 i 行有 i+1 个元素，它们对应的 j 的范围为 [0, i]。当 j=0 或 j=i 时，上述状态转移方程中有一些项是没有意义的。例如当 j=0 时，res[i-1][j-1] 没有意义，因此状态转移方程为：

res[i][0] = res[i-1][0] + c[i][0]

即当我们在第 i 行的最左侧时，我们只能从第 i-1 行的最左侧移动过来。当 j=i 时，res[i-1][j] 没有意义，因此状态转移方程为：

res[i][i] = res[i-1][i-1] + c[i][i]

即当我们在第 i 行的最右侧时，我们只能从第 i-1 行的最右侧移动过来。

最终的答案即为 res[n-1][0] 到 res[n-1][n-1] 中的最小值，其中 n 是三角形的行数。

状态转移方程的边界条件是什么？由于我们已经去除了所有「没有意义」的状态，因此边界条件可以定为：

f[0][0] = c[0][0]

即在三角形的顶部时，最小路径和就等于对应位置的元素值。这样一来，我们从 1 开始递增地枚举 i，并在 [0, i] 的范围内递增地枚举 j，就可以完成所有状态的计算。

class Solution {
public:
    int minimumTotal(vector<vector<int>>& triangle) {
        int size = triangle.size();
        vector<vector<int>> res(size, vector<int>(size, INT_MAX));
        //vector<vector<int>> res(size, vector<int>(size));
        res[0][0] = triangle[0][0];
        for(int i = 1; i < size; i++){
            res[i][0] = res[i-1][0] + triangle[i][0];
            for(int j = 1; j < i; j++){
                res[i][j] = min(res[i-1][j-1], res[i-1][j]) + triangle[i][j];
            }
            res[i][i] = res[i-1][i-1] + triangle[i][i];
        }
        return *min_element(res[size-1].begin(), res[size-1].end()); // 最后一行
    }
};

复杂度分析

时间复杂度：O(n^2)，其中 n (size) 是三角形的行数。

空间复杂度：O(n^2)。我们需要一个  size * size  的二维数组存放所有的状态。