【刷穿 LeetCode】576. 出界的路径数 :「记忆化搜索」&「动态规划」

简介: 【刷穿 LeetCode】576. 出界的路径数 :「记忆化搜索」&「动态规划」

网络异常,图片无法展示
|


题目描述



这是 LeetCode 上的 576. 出界的路径数 ,难度为 中等


Tag : 「路径 DP」、「动态规划」、「记忆化搜索」


给你一个大小为 m x n 的网格和一个球。球的起始坐标为 [startRow, startColumn] 。


你可以将球移到在四个方向上相邻的单元格内(可以穿过网格边界到达网格之外)。


最多可以移动 maxMove 次球。


给你五个整数 m、n、maxMove、startRow 以及 startColumn ,找出并返回可以将球移出边界的路径数量。


因为答案可能非常大,返回对 10^9 + 7109+7 取余 后的结果。


示例 1:


网络异常,图片无法展示
|


输入:m = 2, n = 2, maxMove = 2, startRow = 0, startColumn = 0
输出:6
复制代码


示例 2:

网络异常,图片无法展示
|

输入:m = 1, n = 3, maxMove = 3, startRow = 0, startColumn = 1
输出:12
复制代码


提示:


  • 1 <= m, n <= 50
  • 0 <= maxMove <= 50
  • 0 <= startRow < m
  • 0 <= startColumn < n


基本分析



通常来说,朴素的路径 DP 问题之所以能够使用常规 DP 方式进行求解,是因为只能往某一个方向(一维棋盘的路径问题)或者只能往某两个方向(二维棋盘的路径问题)移动。

这样的移动规则意味着,我们不会重复进入同一个格子。


从图论的意义出发:将每个格子视为点的话,如果能够根据移动规则从 a 位置一步到达 b 位置,则说明存在一条由 a 指向 b 的有向边。


也就是说,在朴素的路径 DP 问题中,“单向”的移动规则注定了我们的图不存在环,是一个存在拓扑序的有向无环图,因此我们能够使用常规 DP 手段来求解。


回到本题,移动规则是四联通,并不是“单向”的,在某条出界的路径中,我们是有可能重复进入某个格子,即存在环。


因此我们需要换一种 DP 思路进行求解。


记忆化搜索



通常在直接 DP 不好入手的情况下,我们可以先尝试写一个「记忆化搜索」的版本。


那么如果是让你设计一个 DFS 函数来解决本题,你会如何设计?


我大概会这样设计:


int dfs(int x, int y, int k) {}
复制代码


重点放在几个「可变参数」与「返回值」上:(x,y)(x,y) 代表当前所在的位置,kk 代表最多使用多少步,返回值代表路径数量。


根据 DP-动态规划 第八讲 的学习中,我们可以确定递归出口为:


  1. 当前到达了棋盘外的位置,说明找到了一条出界路径,返回 11
  2. 在条件 11 不满足的前提下,当剩余步数为 00(不能再走下一步),说明没有找到一条合法的出界路径,返回 00


主逻辑则是根据四联通规则进行移动即可,最终答案为 dfs(startRow, startColumn, maxMove)


代码:


class Solution {
    int MOD = (int)1e9+7;
    int m, n, max;
    int[][] dirs = new int[][]{{1,0},{-1,0},{0,1},{0,-1}};
    int[][][] cache;
    public int findPaths(int _m, int _n, int _max, int r, int c) {
        m = _m; n = _n; max = _max;
        cache = new int[m][n][max + 1];
        for (int i = 0; i < m; i++) {
            for (int j = 0; j < n; j++) {
                for (int k = 0; k <= max; k++) {
                    cache[i][j][k] = -1;
                }
            }
        }
        return dfs(r, c, max);
    }
    int dfs(int x, int y, int k) {
        if (x < 0 || x >= m || y < 0 || y >= n) return 1;
        if (k == 0) return 0;
        if (cache[x][y][k] != -1) return cache[x][y][k];
        int ans = 0;
        for (int[] d : dirs) {
            int nx = x + d[0], ny = y + d[1];
            ans += dfs(nx, ny, k - 1);
            ans %= MOD;
        }
        cache[x][y][k] = ans;
        return ans;
    }
}
复制代码


动态规划



根据我们的「记忆化搜索」,我们可以设计一个二维数组 f[][]f[][] 作为我们的 dp 数组:


  • 第一维代表 DFS 可变参数中的 (x,y)(x,y) 所对应 indexindex。取值范围为 [0, m*n)[0,mn)
  • 第二维代表 DFS 可变参数中的 kk。取值范围为 [0,max][0,max]


dp 数组中存储的就是我们 DFS 的返回值:路径数量。


根据 dp 数组中的维度设计和存储目标值,我们可以得知「状态定义」为:


f[i][j]f[i][j] 代表从位置 ii 出发,可用步数不超过 jj 时的路径数量。


至此,我们只是根据「记忆化搜索」中的 DFS 函数的签名,就已经得出我们的「状态定义」了,接下来需要考虑「转移方程」。


当有了「状态定义」之后,我们需要从「最后一步」来推导出「转移方程」:


由于题目允许往四个方向进行移动,因此我们的最后一步也要统计四个相邻的方向。


由此可得我们的状态转移方程:


f[(x,y)][step] = f[(x-1,y)][step-1]+f[(x+1,y)][step-1]+f[(x,y-1)][step-1]+f[(x,y+1)][step-1]f[(x,y)][step]=f[(x1,y)][step1]+f[(x+1,y)][step1]+f[(x,y1)][step1]+f[(x,y+1)][step1]


注意,转移方程中 dp 数组的第一维存储的是 (x,y)(x,y) 对应的 idxidx


从转移方程中我们发现,更新 f[i][j]f[i][j] 依赖于 f[x][j-1]f[x][j1],因此我们转移过程中需要将最大移动步数进行「从小到大」枚举。


至此,我们已经完成求解「路径规划」问题的两大步骤:「状态定义」&「转移方程」。


但这还不是所有,我们还需要一些 有效值 来滚动下去。


其实就是需要一些「有效值」作为初始化状态。


观察我们的「转移方程」可以发现,整个转移过程是一个累加过程,如果没有一些有效的状态(非零值)进行初始化的话,整个递推过程并没有意义。


那么哪些值可以作为成为初始化状态呢?


显然,当我们已经位于矩阵边缘的时候,我们可以一步跨出矩阵,这算作一条路径。


同时,由于我们能够往四个方向进行移动,因此不同的边缘格子会有不同数量的路径。


网络异常,图片无法展示
|


换句话说,我们需要先对边缘格子进行初始化操作,预处理每个边缘格子直接走出矩阵的路径数量。


目的是为了我们整个 DP 过程可以有效的递推下去。


可以发现,动态规划的实现,本质是将问题进行反向:原问题是让我们求从棋盘的特定位置出发,出界的路径数量。实现时,我们则是从边缘在状态出发,逐步推导回起点的出界路径数量为多少。


代码:


class Solution {
    int MOD = (int)1e9+7;
    int m, n, max;
    int[][] dirs = new int[][]{{1,0},{-1,0},{0,1},{0,-1}};
    public int findPaths(int _m, int _n, int _max, int r, int c) {
        m = _m; n = _n; max = _max;
        int[][] f = new int[m * n][max + 1];
        // 初始化边缘格子的路径数量
        for (int i = 0; i < m; i++) {
            for (int j = 0; j < n; j++) {
                if (i == 0) add(i, j, f);
                if (j == 0) add(i, j, f);
                if (i == m - 1) add(i, j, f);
                if (j == n - 1) add(i, j, f);
            }
        }
        // 从小到大枚举「可移动步数」
        for (int k = 1; k <= max; k++) {
            // 枚举所有的「位置」
            for (int idx = 0; idx < m * n; idx++) {
                int[] info = parseIdx(idx);
                int x = info[0], y = info[1];
                for (int[] d : dirs) {
                    int nx = x + d[0], ny = y + d[1];
                    if (nx < 0 || nx >= m || ny < 0 || ny >= n) continue;
                    int nidx = getIdx(nx, ny);
                    f[idx][k] += f[nidx][k - 1];
                    f[idx][k] %= MOD;
                }
            }
        }
        return f[getIdx(r, c)][max];       
    }
    void add(int x, int y, int[][] f) {
        for (int k = 1; k <= max; k++) {
            f[getIdx(x, y)][k]++;
        }
    }
    int getIdx(int x, int y) {
        return x * n + y;
    }
    int[] parseIdx(int idx) {
        return new int[]{idx / n, idx % n};
    }
}
复制代码


  • 时间复杂度:共有 m * n * maxmnmax 个状态需要转移,复杂度为 O(m * n * max)O(mnmax)
  • 空间复杂度:O(m * n * max)O(mnmax)


最后



这是我们「刷穿 LeetCode」系列文章的第 No.576 篇,系列开始于 2021/01/01,截止于起始日 LeetCode 上共有 1916 道题目,部分是有锁题,我们将先将所有不带锁的题目刷完。


在这个系列文章里面,除了讲解解题思路以外,还会尽可能给出最为简洁的代码。如果涉及通解还会相应的代码模板。


为了方便各位同学能够电脑上进行调试和提交代码,我建立了相关的仓库:github.com/SharingSour…


在仓库地址里,你可以看到系列文章的题解链接、系列文章的相应代码、LeetCode 原题链接和其他优选题解。

相关文章
|
12月前
【LeetCode 35】112.路径总和
【LeetCode 35】112.路径总和
96 0
|
5月前
|
Go 开发者 索引
【LeetCode 热题100】路径与祖先:二叉树中的深度追踪技巧(力扣33 / 81/ 153/154)(Go语言版)
本文深入探讨了LeetCode中四道关于「搜索旋转排序数组」的经典题目,涵盖了无重复和有重复元素的情况。通过二分查找的变形应用,文章详细解析了每道题的解题思路和Go语言实现代码。关键点包括判断有序区间、处理重复元素以及如何缩小搜索范围。文章还总结了各题的异同,并推荐了类似题目,帮助读者全面掌握二分查找在旋转数组中的应用。无论是初学者还是有经验的开发者,都能从中获得实用的解题技巧和代码实现方法。
258 14
|
6月前
|
Go
【LeetCode 热题100】路径与祖先:二叉树中的深度追踪技巧(力扣437 / 236 )(Go语言版)
本文深入探讨二叉树中路径与祖先问题,涵盖两道经典题目:LeetCode 437(路径总和 III)和236(最近公共祖先)。对于路径总和 III,文章分析了双递归暴力解法与前缀和优化方法,后者通过哈希表记录路径和,将时间复杂度从O(n²)降至O(n)。在最近公共祖先问题中,采用后序遍历递归查找,利用“自底向上”的思路确定最近公共祖先节点。文中详细解析代码实现与核心要点,帮助读者掌握深度追踪技巧,理解树结构中路径与节点关系的本质。这类问题在面试中高频出现,掌握其解法意义重大。
127 4
|
6月前
|
算法 Go
【LeetCode 热题100】深入理解二叉树结构变化与路径特性(力扣104 / 226 / 114 / 543)(Go语言版)
本博客深入探讨二叉树的深度计算、结构变换与路径分析,涵盖四道经典题目:104(最大深度)、226(翻转二叉树)、114(展开为链表)和543(二叉树直径)。通过递归与遍历策略(前序、后序等),解析每题的核心思路与实现方法。结合代码示例(Go语言),帮助读者掌握二叉树相关算法的精髓。下一讲将聚焦二叉树构造问题,欢迎持续关注!
141 10
|
6月前
|
机器学习/深度学习 算法 Go
【LeetCode 热题100】139:单词拆分(动态规划全解析+细节陷阱)(Go语言版)
本题是 LeetCode 热题 139:单词拆分(Word Break),需判断字符串 `s` 是否能由字典 `wordDict` 中的单词拼接而成。通过动态规划(DP)或记忆化搜索解决。DP 中定义布尔数组 `dp[i]` 表示前 `i` 个字符是否可拆分,状态转移方程为:若存在 `j` 使 `dp[j]=true` 且 `s[j:i]` 在字典中,则 `dp[i]=true`。初始条件 `dp[0]=true`。代码实现中用哈希集合优化查找效率。记忆化搜索则从起始位置递归尝试所有切割点。两种方法各有利弊,DP 更适合面试场景。思考扩展包括输出所有拆分方式及使用 Trie 优化大字典查找。
156 6
|
12月前
【LeetCode 36】113.路径总和II
【LeetCode 36】113.路径总和II
91 0
|
12月前
|
算法 索引
LeetCode(搜索插入位置)
如何使用二分查找算法来解决LeetCode上的“搜索插入位置”问题,确保时间复杂度为O(log n),并提供了详细的代码实现和分析。
74 2
|
12月前
|
索引
Leetcode第三十三题(搜索旋转排序数组)
这篇文章介绍了解决LeetCode第33题“搜索旋转排序数组”的方法,该问题要求在旋转过的升序数组中找到给定目标值的索引,如果存在则返回索引,否则返回-1,文章提供了一个时间复杂度为O(logn)的二分搜索算法实现。
98 0
Leetcode第三十三题(搜索旋转排序数组)
LeetCode第81题搜索旋转排序数组 II
文章讲解了LeetCode第81题"搜索旋转排序数组 II"的解法,通过二分查找算法并加入去重逻辑来解决在旋转且含有重复元素的数组中搜索特定值的问题。
LeetCode第81题搜索旋转排序数组 II
|
12月前
【LeetCode 39】700.二叉搜索树中的搜索
【LeetCode 39】700.二叉搜索树中的搜索
77 0

热门文章

最新文章