1、DFS
我们可以使用 DFS 遍历整个二维矩阵,考虑到数据量,我们使用暴力算法可能会导致超时,为解决此问题我们可以考虑使用记忆化搜索进行加速,我们可以使用memo[row][column]
记录从对应位置出发的最长递增路径长度。
我们首先初始化记忆矩阵,而后对于每一个位置进行搜索。我们在搜索时对记忆矩阵进行判断,若其不为 0 则说明已经有了最长路径,我们直接返回对应的最长路径即可。否则我们向当前位置的四个方向进行搜索,若当前的新位置合法而且新位置上的值大于当前位置上的值,我们则考虑对于记忆矩阵中的最长路径进行更新。最终返回新的最长路径即可。
class Solution {
public:
static constexpr int dirs[4][2] = {{-1, 0}, {1, 0}, {0, -1}, {0, 1}};
int rows, columns;
int longestIncreasingPath(vector< vector<int> > &matrix) {
if (matrix.size() == 0 || matrix[0].size() == 0) {
return 0;
}
rows = matrix.size();
columns = matrix[0].size();
auto memo = vector< vector<int> > (rows, vector <int> (columns));
int ans = 0;
for (int i = 0; i < rows; ++i) {
for (int j = 0; j < columns; ++j) {
ans = max(ans, dfs(matrix, i, j, memo));
}
}
return ans;
}
int dfs(vector< vector<int> > &matrix, int row, int column, vector< vector<int> > &memo) {
if (memo[row][column] != 0) {
return memo[row][column];
}
++memo[row][column];
for (int i = 0; i < 4; ++i) {
int newRow = row + dirs[i][0], newColumn = column + dirs[i][1];
if (newRow >= 0 && newRow < rows && newColumn >= 0 && newColumn < columns && matrix[newRow][newColumn] > matrix[row][column]) {
memo[row][column] = max(memo[row][column], dfs(matrix, newRow, newColumn, memo) + 1);
}
}
return memo[row][column];
}
};