101、DP-简单的思路-LeetCode-63.不同路径Ⅱ

题目：

一个机器人位于一个 m x n 网格的左上角 （起始点在下图中标记为 “Start” ）。

机器人每次只能向下或者向右移动一步。机器人试图达到网格的右下角（在下图中标记为 “Finish”）。

现在考虑网格中有障碍物。那么从左上角到右下角将会有多少条不同的路径？

网格中的障碍物和空位置分别用 1 和 0 来表示。

来源：力扣（LeetCode）

思路：

1）相比上一道题，加了障碍，但是道理一样，都是左边或者上边到达！

力扣题解中的描述：

动态规划的题目分为两大类，一种是求最优解类，典型问题是背包问题，另一种就是计数类，比如这里的统计方案数的问题，它们都存在一定的递推性质。前者的递推性质还有一个名字，叫做 「最优子结构」 ——即当前问题的最优解取决于子问题的最优解，后者类似，当前问题的方案数取决于子问题的方案数。所以在遇到求方案数的问题时，我们可以往动态规划的方向考虑。

作者：LeetCode-Solution

代码：

1）动态规划：写的代码繁琐

class Solution {
    //像这种机器人走格子的题，不说是dp，我会使用dfs和回溯来做！
    public int uniquePathsWithObstacles(int[][] obstacleGrid) {
        //这次给了一个数组，进行障碍物的表示！
        int m = obstacleGrid.length;
        if(m == 0) return 0;
        int n = obstacleGrid[0].length;
        int[][] dp = new int[m][n];
        dp[0][0] = 1;//初始化
        for(int i = 0;i < m;i++){
            for(int j = 0;j < n;j++){
                if(obstacleGrid[i][j] == 1) dp[i][j] = 0;
                else if(i == 0 && j == 0) dp[i][j] = 1;
                else if(i == 0 && j != 0){
                    dp[i][j] = dp[i][j - 1];
                }
                else if(j == 0 && i != 0){
                    dp[i][j] = dp[i - 1][j];
                }
                else{//不在第一行和第一列，还是只能从左或者上到达
                    dp[i][j] = dp[i - 1][j] + dp[i][j - 1];
                }
            }
        }
        return dp[m - 1][n - 1];
    }
}

2）单独处理第一行和第一列

class Solution {
    public int uniquePathsWithObstacles(int[][] obstacleGrid) {
        int m = obstacleGrid.length, n = obstacleGrid[0].length;
        int[][] dp = new int[m][n];
        //两个for对边界的处理
        for (int i = 0; i < m && obstacleGrid[i][0] == 0; i++) {
	        dp[i][0] = 1;
        }
        for (int j = 0; j < n && obstacleGrid[0][j] == 0; j++) {
	        dp[0][j] = 1;
        }

        for (int i = 1; i < m; i++) {
            for (int j = 1; j < n; j++) {
                if (obstacleGrid[i][j] == 1) continue;
                dp[i][j] = dp[i - 1][j] + dp[i][j - 1];
            }
        }
        return dp[m - 1][n - 1];
    }
}

3）使用滚动数组：对空间复杂度进行优化