leetcode-120. 三角形最小路径和 力扣 java版本

给定一个三角形,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。

例如,给定三角形:

[
     [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)。

说明:

如果你可以只使用 O(n) 的额外空间(n 为三角形的总行数)来解决这个问题,那么你的算法会很加分。

分析:求最小和

接下来,我们来分析一下解题思路:

  1.     首先,肯定得用二维数组来存放数字三角形
  2.     然后我们用D( r, j) 来表示第r行第 j 个数字(r,j从1开始算)
  3.     我们用MaxSum(r, j)表示从D(r,j)到底边的各条路径中,最佳路径的数字之和。
  4.     因此,此题的最终问题就变成了求 MaxSum(1,1)
  5.     当我们看到这个题目的时候,首先想到的就是可以用简单的递归来解题:
  6.     D(r, j)出发,下一步只能走D(r+1,j)或者D(r+1, j+1)。故对于N行的三角形,我们可以写出如下的递归式:   

if ( r == N)                
    MaxSum(r,j) = D(r,j)  
else      
    MaxSum( r, j) = Max{ MaxSum(r+1,j), MaxSum(r+1,j+1) } + D(r,j)
 

如果运用上面递归写出代码会超时,因为在递归是重复调用了值,故还有种方法就是从小开辟个空间去记录上次求和了的,下次再直接用。

本题思路是运用DP从底自顶不断找每行最小值直到最顶一个元素结束,开辟个dp[N+1] 的数组来保存每行最小值,到顶就是dp[0]为最小和值;其动态规划中状态转移方程就是上面的递归式的变形。

package leetcode;

import java.util.ArrayList;
import java.util.List;

/**
 * @author 江河
 * @date 2019-10-07 15:09
 */
public class leetcode120 {
  public static void main(String[] args) {
    List<List<Integer>> triangle = new ArrayList<>();
    List<Integer> list1 = new ArrayList<>();
    list1.add(2);
    triangle.add(list1);
    List<Integer> list2 = new ArrayList<>();
    list2.add(3);
    list2.add(4);
    triangle.add(list2);
    List<Integer> list3 = new ArrayList<>();
    list3.add(6);
    list3.add(5);
    list3.add(7);
    triangle.add(list3);
    List<Integer> list4 = new ArrayList<>();
    list4.add(4);
    list4.add(1);
    list4.add(8);
    list4.add(3);
    int ss = minimumTotal(triangle);
    System.out.println(ss);
  }
  public static int minimumTotal(List<List<Integer>> triangle) {
    //在下面j与j+1故开辟空间应该大一点
    int[] minSum = new int[triangle.size()+1];
    if (triangle.size()==1) {
      return minSum[0]=triangle.get(triangle.size()-1).get(0);
    }
//    for (int x=0;x<triangle.size();x++){
//      minSum[x] = triangle.get(triangle.size()-1).get(x);
//    }
    //核心比较一个元素的下面和前面那个小保存相加。自底向顶相加。
    for (int i=triangle.size()-1;i>=0;i--) {
      for (int j=0;j<=i;j++) {
        //开始利用循环把最后一行值存起来,如上面注释那样,其实不用,开始minSum开始都为0值
        //加上tringle对应的最后一行值就是初始化最后一行了
        minSum[j] = Math.min(minSum[j],minSum[j+1]) +triangle.get(i).get(j);
      }
    }
    return minSum[0];
  }
}

回来再做

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法。 LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值