LeetCode刷题--- 最小路径和

前言：这个专栏主要讲述动态规划算法，所以下面题目主要也是这些算法做的  

我讲述题目会把讲解部分分为3个部分：
1、题目解析

2、算法原理思路讲解

3、代码实现

---

最小路径和

题目链接：最小路径和

题目

给定一个包含非负整数的 m x n 网格 grid ，请找出一条从左上角到右下角的路径，使得路径上的数字总和为最小。

说明：每次只能向下或者向右移动一步。

示例 1：

输入：grid = [[1,3,1],[1,5,1],[4,2,1]]
输出：7
解释：因为路径 1→3→1→1→1 的总和最小。

示例 2：

输入：grid = [[1,2,3],[4,5,6]]
输出：12

提示：

• m == grid.length
• n == grid[i].length
• 1 <= m, n <= 200
• 0 <= grid[i][j] <= 200

---

解法

题目解析

• 给定一个包含非负整数的 m x n 网格 grid 。
• 找出一条从左上角到右下角的路径，使得路径上的数字总和为最小。
• 每次只能向下或者向右移动一步。

示例 1：

输入：grid = [[1,3,1],[1,5,1],[4,2,1]]
输出：7
解释：因为路径 1→3→1→1→1 的总和最小。

---

算法原理讲解

我们这题使用动态规划，我们做这类题目可以分为以下五个步骤

1. 状态显示
2. 状态转移方程
3. 初始化（防止填表时不越界）
4. 填表顺序
5. 返回值

---

• 状态显示

dp[i][j] 表⽰：到达 [i, j] 位置处，最⼩路径和是多少。

• 状态转移方程

如果dp[i][j] 表⽰到达 到达 [i, j] 位置处的最⼩路径和，那么到达 [i, j] 位置之前的⼀⼩步，有两种情况：

• 从 [i - 1, j] 向下⾛⼀步，转移到 [i, j] 位置；
• 从 [i, j - 1] 向右⾛⼀步，转移到 [i, j] 位置。

由于到 [i, j] 位置两种情况，并且我们要找的是最⼩路径，因此只需要这两种情况下的最⼩值，再加上 [i, j] 位置上本⾝的值即可。也就是： dp[i][j] = min(dp[i - 1][j], dp[i][j - 1]) + grid[i-1][j-1]

• 初始化（防止填表时不越界）

可以在最前⾯加上⼀个「辅助结点」，帮助我们初始化。使⽤这种技巧要注意两个点

• 辅助结点里面的值要「保证后续填表是正确的」；
• 「下标的映射关系」。

「添加⼀行」，并且「添加⼀列」后，所有位置的值可以初始化为无穷大，然后让 dp[0][1] = dp[1][0] = 0 即可。

• 填表顺序

根据「状态转移方程」的推导来看，填表的顺序就是「从上往下」填每⼀行，每⼀行「从左往 后」。

• 返回值

根据「状态表示」，我们要返回的结果是 dp[m][n]。

---

代码实现

• 时间复杂度：O(mn)，其中 m 和 n 分别是网格的行数和列数。需要对整个网格遍历一次，计算 dp 的每个元素的值。
• 空间复杂度：O(mn)，其中 m 和 n 分别是网格的行数和列数。创建一个二维数组 dp，和网格大小相同。
• 空间复杂度可以优化，例如每次只存储上一行的 dp 值，则可以将空间复杂度优化到 O(n)。

class Solution {
public:
    int minPathSum(vector<vector<int>>& grid) 
    {
        int m = grid.size();
        int n = grid[0].size();
        vector<vector<int>> dp(m+1,vector<int>(n+1,INT_MAX));

        dp[0][1] = dp[1][0] = 0;            // 初始化

        // 填表
        for (int i = 1; i <= m; i++)
        {
            for (int j = 1; j <= n; j++)
            {
                dp[i][j] = min(dp[i-1][j],dp[i][j-1]) + grid[i-1][j-1];
            }
        }

        return dp[m][n];
    }
};