【动态规划刷题 3】不同路径&&不同路径 II

简介: 【动态规划刷题 3】不同路径&&不同路径 II

不同路径

62 . 不同路径

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” )。

问总共有多少条不同的路径?

输入:m = 3, n = 7

输出:28

示例 2:

输入:m = 3, n = 2

输出:3

解释:

从左上角开始,总共有 3 条路径可以到达右下角。

  1. 向右 -> 向下 -> 向下
  2. 向下 -> 向下 -> 向右
  3. 向下 -> 向右 -> 向下示例 3:

输入:m = 7, n = 3

输出:28


示例 4:

输入:m = 3, n = 3

输出:6


1.状态表示


dp[i][j] 表示的是走到[i][j]位置时候的所有路径数量。


2.状态转移方程


动态规划题,我们需要学会依靠经验和题目解析去猜测他们的状态转移方程。

走到[i][j]位置时,根据题意,有两种情况:

  1. 从 [i-1][j]位置 向上走一步到 [i][j];
  2. 从 [i][j-1]位置 向右走一步到 [i][j];

所以dp[i] 的值是这两种情况的方法总和:

dp[i][j]=dp[i-1][j]+dp[i][j-1];

3. 初始化

从递推公式可以看出,我们需要初始化 dp[0][j] 这一行和 dp[i][0] 这一列,

初始化比较繁琐,我们可以将初始化dp[0][j] 这一行和 dp[i][0] 这一列 这一步骤放入填表中。


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:

  1. i. 辅助结点⾥⾯的值要「保证后续填表是正确的」;
  2. ii. 「下标的映射关系」。

在本题中「添加⼀⾏」,并且「添加⼀列」后,只需将 dp[0][1] 的位置初始化为 1 即可。

4. 填表顺序

填表的顺序就是「从上往下」填每⼀⾏,在填写每⼀⾏的时候「从左往右」。

5. 返回值

应该返回 dp[m][n] 的值。

代码:

  int uniquePaths(int m, int n) {
        vector<vector<int>> dp(m+1,vector<int>(n+1));
        dp[0][1]=1;
        for(int i=1;i<=m;i++)
        {
            for(int j=1;j<=n;j++)
            {
                dp[i][j]=dp[i-1][j]+dp[i][j-1];
            }
        }
        return dp[m][n];
    }

不同路径 II

63 . 不同路径 II

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。

输入:obstacleGrid = [[0,0,0],[0,1,0],[0,0,0]]

输出:2

解释:3x3 网格的正中间有一个障碍物。

从左上角到右下角一共有 2 条不同的路径:

  1. 向右 -> 向右 -> 向下 -> 向下
  2. 向下 -> 向下 -> 向右 -> 向右

1.状态表示

dp[i][j] 表示的是走到[i][j]位置时候的所有路径数量。

2.状态转移方程

动态规划题,我们需要学会依靠经验和题目解析去猜测他们的状态转移方程。

走到[i][j]位置时,根据题意,有两种情况:

  1. 从 [i-1][j]位置 向上走一步到 [i][j];
  2. 从 [i][j-1]位置 向右走一步到 [i][j];
  3. 但是当 某个位置出现障碍物时 ,比如在 [2][3] 位置上有障碍物,我们无法从[2][3] 走到 [3][3] 或者 [2][4],所以dp[2][3] 的值为 0;

所以dp[i] 的值是 0 和:

dp[i][j]=dp[i-1][j]+dp[i][j-1];

3. 初始化

从递推公式可以看出,我们需要初始化 dp[0][j] 这一行和 dp[i][0] 这一列,

初始化比较繁琐,我们可以将初始化dp[0][j] 这一行和 dp[i][0] 这一列 这一步骤放入填表中。


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:

  1. i. 辅助结点⾥⾯的值要「保证后续填表是正确的」;
  2. ii. 「下标的映射关系」。

在本题中「添加⼀⾏」,并且「添加⼀列」后,只需将 dp[0][1] 的位置初始化为 1 即可。

4. 填表顺序

填表的顺序就是「从上往下」填每⼀⾏,在填写每⼀⾏的时候「从左往右」。

5. 返回值

应该返回 dp[m][n] 的值。

代码:

 int uniquePathsWithObstacles(vector<vector<int>>& obstacleGrid) {
        int m=obstacleGrid.size();
        int n=obstacleGrid[0].size();
        vector<vector<int>> dp(m+1,vector<int>(n+1));
         dp[0][1]=1;
        for(int i=1;i<=m;i++)
        {
            for(int j=1;j<=n;j++)
            {
                if(obstacleGrid[i-1][j-1]==1) dp[i][j]=0;
                else dp[i][j]=dp[i-1][j]+dp[i][j-1];
            }
        }
        return dp[m][n];
    }

相关文章
|
应用服务中间件 Apache
Apache Zookeeper 下载和安装
Apache ZooKeeper 是一个开发和维护开源服务器的项目,它支持高度可靠的分布式协调。 下载地址 北京理工大学 开源软件镜像服务 https://mirror.bit.edu.cn/web/ 清华大学开源软件镜像站 | Tsinghua Open Source Mirror https://mirrors.tuna.tsinghua.edu.cn/ 北京外国语大学开源软件镜像站 | BFSU Open Source Mirror https://mirrors.bfsu.edu.cn/ zookeeper-3.4.14 下载地址 https://mirrors.bfsu.edu.cn
2073 0
Apache Zookeeper 下载和安装
|
3月前
|
人工智能 前端开发 自动驾驶
Loop Engineering 已死?Graph Engineering 是什么?我好像在哪里见过
Graph Engineering 刷屏,后端第一反应是这不工作流引擎吗?本文聊它到底是什么、Loop 真死了吗、什么场景才值得上
Loop Engineering 已死?Graph Engineering 是什么?我好像在哪里见过
|
3月前
|
人工智能 移动开发 小程序
Night Plan 夜间算力计划:Qoder+Meoo 双工具通用,Qwen3.7 夜间低至 2 折,批量任务成本直降 80%
阿里云Night Plan推出夜间10小时(22:00–08:00)算力优惠,Qwen3.7-Max/Plus模型享2–4折,Qoder与Meoo全功能覆盖。自动折扣、质量不变、无需操作,新用户赠积分,支持批量异步任务,大幅降低AI开发成本。
|
11月前
|
运维 监控 数据可视化
故障发现提速 80%,运维成本降 40%:魔方文娱的可观测升级之路
魔方文娱集团携手阿里云构建全链路可观测体系,突破高并发场景下监控盲区、告警风暴等难题,实现故障发现效率提升80%、运维成本降低40%,推动运维从被动响应向智能预防演进。
392 10
故障发现提速 80%,运维成本降 40%:魔方文娱的可观测升级之路
|
12月前
|
人工智能 机器人
智能体来了|AI智能体时代的趋势与机会(2025趋势解读)
智能体不是AI终点,而是人与智能共生的起点。2025年,AI从工具进化为“行动伙伴”,重塑工作与学习方式。「智能体来了」推动全民智能体教育,助力个人转型、企业升级,抢占未来红利。
|
运维 监控 算法
从定时任务-到任务调度系统xxl-job
定时任务的今生前世以及xxl-job调度系统
3435 0
从定时任务-到任务调度系统xxl-job
|
7月前
|
人工智能 Linux API
AI龙虾员工🦞从孵化到创收指南:OpenClaw全平台部署(阿里云/Win11/MacOS/Linux)+百炼API配置+技能解锁+FAQ
“睡觉时自动开发功能,醒来收获万元月收入”——这不是科幻情节,而是开发者AlexFinn通过OpenClaw实现的真实案例。2026年,这款被称为“小龙虾”的开源AI智能体以14.5万GitHub星标、超100万独立部署实例的成绩,成为AI领域的现象级工具。它彻底打破传统AI的“被动响应”局限,凭借自我改进、主动工作、完全定制三大核心能力,从“聊天机器人”进化为真正的“数字员工”。
511 2
|
机器人
影刀RPA(初级)(一)
影刀RPA(初级)(一)
6316 0
|
应用服务中间件 Apache
如何测试Tomcat是否启动成功
如何测试Tomcat是否启动成功
2184 0
如何测试Tomcat是否启动成功
|
存储
两种增量AD数据同步实现方案比较
## 背景 业务对接AD过程中,当应用程序在某个时刻点对AD中的数据进行全量同步后,我们还需要时不时的去拉取AD在后续时刻中变更过的数据,保持应用程序和AD中数据的一致性。本文对两种实现AD增量数据同步的方法进行了一个对比和分析总结,以供参考。 ## 方法一:DirSync Control方式 AD技术方案介绍文档:《[Polling for Changes Using the DirSync C
1360 0
两种增量AD数据同步实现方案比较