给定一个整数矩阵,找出最长递增路径的长度。
对于每个单元格,你可以往上,下,左,右四个方向移动。 你不能在对角线方向上移动或移动到边界外(即不允许环绕)。
示例 1:
输入: nums =
[
[9,9,4],
[6,6,8],
[2,1,1]
]
输出: 4
解释: 最长递增路径为 [1, 2, 6, 9]。
示例 2:
输入: nums =
[
[3,4,5],
[3,2,6],
[2,2,1]
]
输出: 4
解释: 最长递增路径是 [3, 4, 5, 6]。注意不允许在对角线方向上移动。
思路:闫氏DP分析法
dp[i][j]:以matrix[i][j]结尾时的最长递增路径集合
属性:MAX
集合划分:
- dp[i][j]前面有序列
- dp[i][j]作为开头
现附上错误代码
发现当开头是最小值时才准确
class Solution {
public:
int longestIncreasingPath(vector<vector<int>>& matrix) {
int row = matrix.size(), column = matrix[0].size();
int dp[row][column];
int MAX = 0, i, j;
for (int i = 0; i < row; i ++) {
for (int j = 0; j < column; j ++)
dp[i][j] = 0;
}
for (i = 0; i < row; i ++) {
for (j = 0; j < column; j ++) {
int up = i - 1, down = i + 1, left = j - 1, right = j + 1, node = dp[i][j], t = matrix[i][j];
if (up >= 0 && matrix[up][j] < t) node = dp[up][j];
if (down < row && matrix[down][j] < t) node = max (node, dp[down][j]);
if (left >= 0 && matrix[i][left] < t) node = max (node, dp[i][left]);
if (right < column && matrix[i][right] < t) node = max (node, dp[i][right]);
node = max (node + 1, 1);
dp[i][j] = node;
if (MAX < node) MAX = node;
}
}
return MAX;
}
};
//当开头是最小值的时候才准确
//换个思路:先找到最小值再开始遍历
先从最小节点开始? 思路转到深度优先搜索那里去了。可是想用动态规划做。
于是只好找了评论区一个大佬的代码
class Point {
public:
int x, y, v;
Point(int ix, int iy, int iv) {
x = ix;
y = iy;
v = iv;
}
};
class Solution {
public:
int longestIncreasingPath(vector<vector<int>>& matrix) {
if (matrix.size() == 0)
return 0;
const int rows = matrix.size();
const int cols = matrix[0].size();
vector<vector<int>> dp(rows, vector<int>(cols, 1));
vector<Point> vp;
vp.reserve(rows * cols);
for (int i = 0; i < rows; i++)
for (int j = 0; j < cols; j++) {
vp.push_back(Point(i, j, matrix[i][j]));
}
// 对坐标排序
sort(vp.begin(), vp.end(), [](const Point &lhs, const Point &rhs){
return lhs.v < rhs.v;
});
int ret = 1;
for (const auto &p : vp) {
auto x = p.x;
auto y = p.y;
auto v = p.v;
// 寻找附近比当前矮的点的最高DP值
if (x > 0 && matrix[x - 1][y] < v && dp[x - 1][y] + 1 > dp[x][y])
dp[x][y] = dp[x - 1][y] + 1;
if (x < rows - 1 && matrix[x + 1][y] < v && dp[x + 1][y] + 1 > dp[x][y])
dp[x][y] = dp[x + 1][y] + 1;
if (y > 0 && matrix[x][y - 1] < v && dp[x][y - 1] + 1 > dp[x][y])
dp[x][y] = dp[x][y - 1] + 1;
if (y < cols - 1 && matrix[x][y + 1] < v && dp[x][y + 1] + 1 > dp[x][y])
dp[x][y] = dp[x][y + 1] + 1;
if (dp[x][y] > ret)
ret = dp[x][y];
}
return ret;
}
};
于是仿照大佬的思路,先对节点排序,再按照排序顺序依次遍历:
class Point {
public:
int ix, iy, iv;
Point (int x, int y, int v) : ix(x), iy(y), iv(v) {}
};
class Solution {
public:
int longestIncreasingPath(vector<vector<int>>& matrix) {
if (matrix.size() == 0)
return 0;
int row = matrix.size(), column = matrix[0].size();
int dp[row][column];
int MAX = 0, i, j;
for (int i = 0; i < row; i ++) {
for (int j = 0; j < column; j ++)
dp[i][j] = 0;
}
vector<Point> vp;
vp.reserve(row * column);
for (int i = 0; i < row; i++)
for (int j = 0; j < column; j++) {
vp.push_back(Point(i, j, matrix[i][j]));
}
// 对坐标排序
sort(vp.begin(), vp.end(), [](const Point &lhs, const Point &rhs){
return lhs.iv < rhs.iv;
});
for (const auto &p : vp) {
auto i = p.ix;
auto j = p.iy;
int up = i - 1, down = i + 1, left = j - 1, right = j + 1, node = dp[i][j], t = matrix[i][j];
if (up >= 0 && matrix[up][j] < t)
node = dp[up][j];
if (down < row && matrix[down][j] < t)
node = max (node, dp[down][j]);
if (left >= 0 && matrix[i][left] < t)
node = max (node, dp[i][left]);
if (right < column && matrix[i][right] < t)
node = max (node, dp[i][right]);
node = max (node + 1, 1);
dp[i][j] = node;
if (MAX < node) MAX = node;
}
return MAX;
}
};
执行用时:156 ms, 在所有 C++ 提交中击败了13.71%的用户
内存消耗:14.5 MB, 在所有 C++ 提交中击败了29.38%的用户
还没优化,太烂了。
看了评论区,拓扑 + DP才能解出来。
我好菜啊,还是不懂