题目来源
题目描述
[0][0]
直接就是障碍物我是万万想不到的[震惊]
class Solution {
public:
int uniquePathsWithObstacles(vector<vector<int>>& obstacleGrid) {
}
};
题目解析
递归
- 如果没有障碍物的话,从(0, 0)出发,每次只能往下走、或者往右走。
- 假设i表示行、j表示列,当前点为(i,j),那么每次只能往(i + 1, j)移动、或者往(i, j + 1)移动。、
- 对于有障碍物的情况下怎么办呢?其实也简单,直接返回0就可以了,此时不可能移动到已经被占的位置
- 可以看成是跳格子。如果格子已经被占了,那么无论如何都不可能跳到这个格式上了。也不可能通过这个格子跳过其他的格子上了
- 有了上述条件,递归就很容易写了,每次往右、或者往下走。
- 到达边界条件返回0,到达终点返回1。
- 上图中橙色的(2,2)这个点,表示从这里发出到达终点有多少路径。
- 同理,(0,0)就是从起点出发,走到终点有多少路径,也就是题目的要求。
- 注意,纯递归是不行的,因为有大量的重复计算,需要加个缓存。
class Solution {
int N, M;
std::map<std::pair<int, int>, int> cache;
int dfs(int i, int j, vector<vector<int>>& o){
std::pair<int, int> p = {i, j};
if(cache.count(p)){
return cache[p];
}
//边界/障碍物检查
if(i < 0 || j < 0 || i >= N || j >= M || o[i][j] == 1){
return 0;
}
//达到终点了
if(i == N - 1 && j == M - 1){
return 1;
}
//继续往右(i,j+1)、往下(i+1,j)递归调用
int res = dfs(i , j + 1, o) + dfs( i + 1, j, o);
cache[p] = res;
return res;
}
public:
int uniquePathsWithObstacles(vector<vector<int>>& o) {
if(o.empty() || o[0].empty() || o[0][0] == 1 || o[o.size() - 1][o[0].size() -1] == 1){
return 0;
}
N = o.size(), M = o[0].size();
return dfs(0, 0, o);
}
};
动态规划
1)确定dp数组以及下标的含义
dp(i, j)
表示从坐标(0, 0)
到坐标(i, j)
的路径总数
2)确定状态转移方程
- 因为机器人每次只能向下或者向右移动一步,所以从坐标
(0, 0)
到指标(i,j)
的路径总数只取决于从坐标(0, 0)
到坐标(i - 1, j)
的路径总数 和从坐标(0,0)
到坐标(i,j−1)
的路径总数,**即dp(i,j)
只能通过dp(i−1,j)
和dp(i,j−1)
转移得到。 - 如果坐标
(i, j)
本身就有障碍时,任何路径都到不了坐标(i, j)
(dp是从下向上推导的),所以dp[(i, j) = 0
- 也就是说:
if (obstacleGrid[i][j] == 0) { // 当(i, j)没有障碍的时候,再推导dp[i][j]
dp[i][j] = dp[i - 1][j] + dp[i][j - 1];
}
3)确定dp数组如何初始化
+当没有障碍物时,初始化应该是:
vector<vector<int>> dp(m, vector<int>(n, 0)); // 初始值为0
for (int i = 0; i < m; i++) dp[i][0] = 1;
for (int j = 0; j < n; j++) dp[0][j] = 1;
- 因为从(0, 0)的位置到(i, 0)的路径只有一条,所以dp[i][0]一定为1,dp[0][j]也同理。
- 但如果(i, 0) 这条边有了障碍之后,障碍之后(包括障碍)都是走不到的位置了,所以障碍之后的dp[i][0]应该还是初始值0。下标(0, j)的初始化情况同理。
- 所以初始化为:
vector<vector<int>> dp(m, vector<int>(n, 0));
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;
- 注意代码里for循环的终止条件,一旦遇到obstacleGrid[i][0] == 1的情况就停止dp[i][0]的赋值1的操作,dp[0][j]同理
4)确定递归顺序
- 从递归公式
dp[i][j] = dp[i - 1][j] + dp[i][j - 1]
中可以看出,一定是从左到右一层一层遍历,这样保证推导dp[i][j]的时候,dp[i - 1][j]
和dp[i][j - 1]
一定是有数值。
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];
}
}
5)举例推导dp数组
对应的dp table 如图:
class Solution {
public:
int uniquePathsWithObstacles(vector<vector<int>>& o) {
if(o.empty() || o[0].empty()
|| o[0][0] == 1
|| o[o.size() - 1][o[0].size() - 1] == 1){
return 0;
}
int m = o.size(), n = o[0].size();
std::vector<std::vector<int>> dp(m, std::vector<int>(n));
for (int i = 0; i < m && o[i][0] == 0; ++i) {
dp[i][0] = 1;
}
for (int j = 0; j < n && o[0][j] == 0; ++j) {
dp[0][j] = 1;
}
for (int i = 1; i < m; ++i) {
for (int j = 1; j < n; ++j) {
if(o[i][j] == 1){
dp[i][j] = 0;
}else{
dp[i][j] = dp[i - 1][j] + dp[i][j - 1];
}
}
}
return dp[m - 1][n - 1];
}
};
空间优化
对于动态规划的两种解法,都是只需要上一层的解,而不需要上上一层的。
dp[i][j] = dp[i - 1][j] + dp[i][j - 1]
也就是求第i行时,只需要i-1行已求解过的值,不需要i-2行的了。
所以这里可以用滚动数组进行优化,将二维数组改为一维数组。
一维数组的大小为列的长度。
第三次迭代时,求第三个格子6时,由于左边的值已经是已知的,第二次迭代时同位置的值也是已知的。所以当前值的计算方式就是:
计算当前值 = 以求出的左边值 + 上一次迭代同位置的值
dp[j] = dp[j - 1] + dp[j]
代码如下:
class Solution {
public:
int uniquePathsWithObstacles(vector<vector<int>>& o) {
int n = o.size(), m = o.at(0).size();
vector <int> dp(m);
dp[0] = (o[0][0] == 0);
for (int i = 0; i < n; ++i) {
for (int j = 0; j < m; ++j) {
if (o[i][j] == 1) {
dp[j] = 0;
continue;
}
if (j - 1 >= 0 && o[i][j - 1] == 0) {
dp[j] += dp[j - 1];
}
}
}
return dp.back();
}
};