题目来源
题目描述
class Solution {
public:
int minPathSum(vector<vector<int>>& grid) {
}
};
题目解析
暴力递归:从终点往前面看
定义一个函数:
int minPathSum(vector<vector<int>>& grid, int i, int j){
}
int minPathSum(vector<vector<int>>& grid, int i, int j)
表示从左上角到坐标(i, j)的最短路径和。从而有:
int minPathSum(vector<vector<int>>& grid, int i, int j){
if (边界条件的判断) {
return
}
//一些逻辑处理
//取从上面走下来和从左边走过来的最小值+当前坐标的值
return grid[i][j] + std::min(minPathSum(grid, i - 1, j), minPathSum(grid, i, j - 1));
}
下面再来看下完整代码
class Solution {
int minPathSum(vector<vector<int>>& grid, int i, int j){
if (i == 0 && j == 0)
return grid[i][j];
//第一行只能从左边走过来
if (i == 0)
return grid[i][j] + minPathSum(grid, i, j - 1);
//第一列只能从上面走下来
if (j == 0)
return grid[i][j] + minPathSum(grid, i - 1, j);
//取从上面走下来和从左边走过来的最小值+当前坐标的值
return grid[i][j] + std::min(minPathSum(grid, i - 1, j), minPathSum(grid, i, j - 1));
}
public:
int minPathSum(vector<vector<int>>& grid) {
int m = grid.size(), n = grid[0].size();
return minPathSum(grid, m - 1, n - 1);
}
};
因为这里面的递归会导致大量的重复计算,所以加备忘录:
class Solution {
std::map<std::string, int> memo;
int minPathSum(vector<vector<int>>& grid, int i, int j){
if (i == 0 && j == 0)
return grid[i][j];
std::string key = std::to_string(i) + "*" + std::to_string(j);
if(memo.count(key)){
return memo[key];
}
int res = 0;
//第一行只能从左边走过来
if (i == 0)
res = grid[i][j] + minPathSum(grid, i, j - 1);
//第一列只能从上面走下来
else if (j == 0)
res = grid[i][j] + minPathSum(grid, i - 1, j);
//取从上面走下来和从左边走过来的最小值+当前坐标的值
else
res = grid[i][j] + std::min(minPathSum(grid, i - 1, j), minPathSum(grid, i, j - 1));
return memo[key] = res;
}
public:
int minPathSum(vector<vector<int>>& grid) {
int m = grid.size(), n = grid[0].size();
return minPathSum(grid, m - 1, n - 1);
}
};
最值型动态规划:从起点到终点计算
(1)确定状态
- 最后一步:
- 无论用何种方式到达右下角,总有最后一步。
- 设右下角坐标为
(m - 1, n- 1 )
,因为只能向下或者向右,所以前一步一定是在(m - 2, n - 1)
或者(m - 1, n - 2)
- 最优策略的路径总和最小,那么:
- 如果倒数第二步在
(m - 1, n - 2)
,那么前面一定是从(0, 0)
到达(m - 2, n - 1)
总和最小的路径 - 如果倒数第二步在
(m - 2, n - 1)
,那么前面一定是从(0, 0)
到达(m - 2, n - 1)
总和最小的路径
- 如果倒数第二步在
- 子问题:
- 子问题:从左上角走到
(m - 1, n - 2)
的路径的最小数字总和以及走到(m - 2, n - 1)
的路径的最小数字总和 - 原问题:从左上角走到
(m - 1, n - 1)
的路径的最小数字总和
- 子问题:从左上角走到
- 状态:
f[i][j]
:从(0, 0)
走到(i, j)
的路径最小数字和
(2)转移方程
(3)初始条件和边界条件
- 初始条件:
f[0][0] = A[0][0]
- 边界条件:
i = 0
或j = 0
,则前一步只能有一个方向过来
(4)计算顺序:
- 从上到下,从左到右
- 时间复杂度(计算步数)O(MN),空间复杂度(数组大小)O(MN)
(5)空间优化:
- 计算第i行时,只需要第i行和第i-1行
- 所以,只需要保存两行的f值:
f[i][0...n-1]
和f[i - 1][0...n-1]
- 从而可以用滚动数组实现
class Solution {
public:
int minPathSum(vector<vector<int>>& grid) {
int m = grid.size(), n = grid[0].size();
std::vector<std::vector<int>> dp(m , std::vector<int>(n ));
dp[0][0] = grid[0][0];
//第一行只能从左边走过来
for (int i = 1; i < n; ++i) {
dp[0][i] = dp[0][i - 1] + grid[0][i];
}
//第一列只能从上面走下来
for (int i = 1; i < m; ++i) {
dp[i][0] = dp[i - 1][0] + grid[i][0];
}
for (int i = 1; i < m; ++i) {
for (int j = 1; j < n; ++j) {
dp[i][j] = std::min(dp[i][j - 1], dp[i - 1][j]) + grid[i][j];
}
}
return dp[m - 1][n - 1];
}
};
我们看到二维数组dp和二维数组grid的长和宽都是一样的,没必要再申请一个dp数组,完全可以使用grid,来看下代码
class Solution {
public:
int minPathSum(vector<vector<int>>& grid) {
int m = grid.size(), n = grid[0].size();
for (int i = 0; i < m; i++) {
for (int j = 0; j < n; j++) {
if (i == 0 && j == 0)
continue;
if (i == 0) {
//第一行只能从左边走过来
grid[i][j] += grid[i][j - 1];
} else if (j == 0) {
//第一列只能从上面走下来
grid[i][j] += grid[i - 1][j];
} else {
//递推公式,取从上面走下来和从左边走过来的最小值+当前坐标的值
grid[i][j] += std::min(grid[i - 1][j], grid[i][j - 1]);
}
}
}
return grid[m - 1][n - 1];
}
};
滚动数组
仔细观察上面的依赖,因为它只依赖上面一个和左边一个格子,所以可以用一个一维滚动数组来优化
class Solution {
public:
int minPathSum(vector<vector<int>>& grid) {
if(grid.empty()){
return 0;
}
int m = grid.size(), n = grid[0].size();
std::vector<int> dp(n);
dp[0] = grid[0][0];
for (int j = 1; j < n; ++j) {
dp[j] = dp[j - 1] + grid[0][j];
}
for (int i = 1; i < m; ++i) {
dp[0] += grid[i][0];
for (int j = 1; j < n; ++j) {
dp[j] = grid[i][j] + std::min(dp[j - 1], dp[j]);
}
}
return dp[n - 1];
}
};