题目描述
在一个 m*n 的棋盘的每一格都放有一个礼物,每个礼物都有一定的价值(价值大于 0)。你可以从棋盘的左上角开始拿格子里的礼物,并每次向右或者向下移动一格、直到到达棋盘的右下角。给定一个棋盘及其上面的礼物的价值,请计算你最多能拿到多少价值的礼物?
示例 1:
输入:
[
[1,3,1],
[1,5,1],
[4,2,1]
]
输出: 12
解释: 路径 1→3→5→2→1 可以拿到最多价值的礼物
提示:
- 0 < grid.length <= 200
- 0 < grid[0].length <= 200
来源:力扣(LeetCode)
链接:https://leetcode.cn/problems/li-wu-de-zui-da-jie-zhi-lcof
题目分析
好经典的搜索问题,先套个模板跑一下
class Solution {
public:
int search(int i,int j,vector<vector<int>>& grid){
int sum=0;
sum+=grid[i][j];
//直接开搜 跑遍每条路
if(i==grid.size()-1&&j==grid[0].size()-1) return sum;
else if(i==grid.size()-1&&j<grid[0].size()-1) return sum+search(i,j+1,grid);
else if(i<grid.size()-1&&j==grid[0].size()-1) return sum+search(i+1,j,grid);
else{
return sum+max(search(i,j+1,grid),search(i+1,j,grid));
}
}
int maxValue(vector<vector<int>>& grid) {
int ans=0;
int m=grid.size();
int n=grid[0].size();
ans=search(0,0,grid);
return ans;
}
};
意料之中的超时了
一个优化思路,保存到每一个结点的阶段性最大值。如果存在另一条路径经过该结点,且当前累加值不大于该结点保存的最大值,则不继续进行搜索。反之则继续递归搜索。有一点剪枝法的感觉
class Solution {
public:
int search(int i,int j,int sum,vector<vector<int>>& grid,vector<vector<int>>& tempmax){
sum+=grid[i][j];
//在这里加一个判断
if(sum<=tempmax[i][j]){
return sum;
}
else{
tempmax[i][j]=sum;
if(i==grid.size()-1&&j==grid[0].size()-1) return sum;
else if(i==grid.size()-1&&j<grid[0].size()-1) return search(i,j+1,sum,grid,tempmax);
else if(i<grid.size()-1&&j==grid[0].size()-1) return search(i+1,j,sum,grid,tempmax);
else{
return max(search(i,j+1,sum,grid,tempmax),search(i+1,j,sum,grid,tempmax));
}
}
}
int maxValue(vector<vector<int>>& grid) {
int ans=0;
int m=grid.size();
int n=grid[0].size();
vector<vector<int>> tempmax(m,vector<int>(n)); //用于保存经过当前节点的最优解的值
for(int i=0;i<m;i++){
for(int j=0;j<n;j++)
tempmax[i][j]=-1; //第一次初始化为0,有一个特殊测试用例挂了,还是用-1吧
}
ans=search(0,0,0,grid,tempmax);
return ans;
}
};
优化后能过,但是不好。
题解用的是动态规划实现。因为这道题中只能向右或者向下移动。
这道题可以使用动态规划的原因在于,在任何一条路径中,如果同时经过了 (i−1,j) 和 (i,j),那么一定是先经过 (i−1,j),再经过 (i,j)。因此,我们才能首先计算出 f(i−1,j) 的值,再去用它来转移得到 f(i,j)。对于 (i,j−1) 和 (i,j) 也是同样的道理。如果我们可以向四个方向进行移动,那么上面的限制就不再满足,我们也就不能使用动态规划来解决了。
所以之前做的可以上下左右移动的题都是用回溯解决。
class Solution {
public:
int maxValue(vector<vector<int>>& grid) {
int m = grid.size(), n = grid[0].size();
vector<vector<int>> f(m, vector<int>(n));
for (int i = 0; i < m; ++i) {
for (int j = 0; j < n; ++j) {
if (i > 0) {
f[i][j] = max(f[i][j], f[i - 1][j]);
}
if (j > 0) {
f[i][j] = max(f[i][j], f[i][j - 1]);
}
f[i][j] += grid[i][j];
}
}
return f[m - 1][n - 1];
}
};
作者:LeetCode-Solution
链接:https://leetcode.cn/problems/li-wu-de-zui-da-jie-zhi-lcof/solution/li-wu-de-zui-da-jie-zhi-by-leetcode-solu-g64i/
来源:力扣(LeetCode)
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
通过观察状态转移,可知当前状态只与上方和左方的两个状态有关,因此可以把保存状态的mn数组优化为一个2n的数组
class Solution {
public:
int maxValue(vector<vector<int>>& grid) {
int m = grid.size(), n = grid[0].size();
vector<vector<int>> f(2, vector<int>(n));
for (int i = 0; i < m; ++i) {
int pos = i % 2;
for (int j = 0; j < n; ++j) {
f[pos][j] = 0;
if (i > 0) {
f[pos][j] = max(f[pos][j], f[1 - pos][j]);
}
if (j > 0) {
f[pos][j] = max(f[pos][j], f[pos][j - 1]);
}
f[pos][j] += grid[i][j];
}
}
return f[(m - 1) % 2][n - 1];
}
};
作者:LeetCode-Solution
链接:https://leetcode.cn/problems/li-wu-de-zui-da-jie-zhi-lcof/solution/li-wu-de-zui-da-jie-zhi-by-leetcode-solu-g64i/
来源:力扣(LeetCode)
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
总结
还是搞不太懂动态规划啊。每次都意识不到子问题和子结构的存在,看来以后做题时要多提醒自己往这个方向想一想。
力扣的官方题解代码好像一般都不会需要写新的函数。