题目
给你一个下标从 0 开始的 m x n 整数矩阵 grid 。你一开始的位置在 左上角 格子 (0, 0) 。
当你在格子 (i, j) 的时候,你可以移动到以下格子之一:
满足 j < k <= grid[i][j] + j 的格子 (i, k) (向右移动),或者
满足 i < k <= grid[i][j] + i 的格子 (k, j) (向下移动)。
请你返回到达 右下角 格子 (m - 1, n - 1) 需要经过的最少移动格子数,如果无法到达右下角格子,请你返回 -1 。
示例 1:
输入:grid = [[3,4,2,1],[4,2,3,1],[2,1,0,0],[2,4,0,0]]
输出:4
解释:上图展示了到达右下角格子经过的 4 个格子。
示例 2:
输入:grid = [[3,4,2,1],[4,2,1,1],[2,1,1,0],[3,4,1,0]]
输出:3
解释:上图展示了到达右下角格子经过的 3 个格子。
示例 3:
输入:grid = [[2,1,0],[1,0,0]]
输出:-1
解释:无法到达右下角格子。
参数范围:
m == grid.length
n == grid[i].length
1 <= m, n <= 105
1 <= m * n <= 105
0 <= grid[i][j] < m * n
grid[m - 1][n - 1] == 0
广度优先搜索和二分查找
时间复杂度
O(mnlogmax(m,n))。遍历每个单格时间复杂度O(nm),处理一个单格O(n)+O(m)。暴力方法的时间复杂度O(nmk),极端情况下超时。
变量解析
vRows | 各行没有处理的单格的列号 |
vCols | 各列没有处理的单格行号 |
vDis | 各单格距离起点的距离 |
que | 需要处理邻居的单格 |
核心代码
class Solution { public: int minimumVisitedCells(vector& grid) { m_r = grid.size(); m_c = grid.front().size(); vector vRows(m_r), vCols(m_c); for (int r = 0; r < m_r; r++) { for (int c = 0; c < m_c; c++) { if (r + c == 0) { continue; } vRows[r].emplace©; vCols[c].emplace®; } } vector vDis(m_c * m_r,-1); vDis[0] = 1; queue> que; que.emplace(0, 0); auto Do = [&](int iDis,const int r, const int c) { vDis[m_c * r + c] = iDis + 1; que.emplace(r, c); }; while (que.size()) { const auto [r, c] = que.front(); que.pop(); const int len = grid[r][c]; const int dis = vDis[m_c * r + c]; {//右跳 auto it = vRows[r].lower_bound©; auto ij = vRows[r].upper_bound(c + len); for (auto tmp = it; tmp != ij; ++tmp) { Do(dis, r, *tmp); vCols[*tmp].erase®; } vRows[r].erase(it, ij); } { auto it = vCols[c].lower_bound®; auto ij = vCols[c].upper_bound(r + len); for (auto tmp = it; tmp != ij; ++tmp) { Do(dis, *tmp,c); vRows[*tmp].erase©; } vCols[c].erase(it, ij); } } return vDis.back(); } int m_r, m_c; };
测试用例
template<class T> void Assert(const vector<T>& v1, const vector<T>& v2) { if (v1.size() != v2.size()) { assert(false); return; } for (int i = 0; i < v1.size(); i++) { assert(v1[i] == v2[i]); } } template<class T> void Assert(const T& t1, const T& t2) { assert(t1 == t2); } int main() { vector<vector<int>> grid; { Solution slu; grid = { {3,4,2,1},{4,2,3,1},{2,1,0,0},{2,4,0,0} }; auto res = slu.minimumVisitedCells(grid); Assert(4, res); } { Solution slu; grid = { {3,4,2,1},{4,2,1,1},{2,1,1,0},{3,4,1,0} }; auto res = slu.minimumVisitedCells(grid); Assert(3, res); } { Solution slu; grid = { {2,1,0},{1,0,0} }; auto res = slu.minimumVisitedCells(grid); Assert(-1, res); } }
动态规划
广度优先搜索是基于动态规划实现的,如果不修改广度优先的实现,无需突出动态规划。经典广度优先搜索时,先处理距离起点近的,再处理距离远点的。是为了保证动态规划的无后效性。通俗的说:就是每个运算的前提条件都已经计算完毕。距离为iDis的单格显然是距离iDis-1单格的邻居,计算iDis的单格时,显然要计算完所有距离为iDis-1的单格。本题只右移和下移,先行后列,行列都是从小到大,也可以保证无后效性。优化枚举顺序后,就不再是广度优先搜索了,变成的普通的动态规划。
时间复杂度
O(mnlogmax(n,m))。
变量解析
rowMinHeap | 当前行可以到达的列和总共经过的单格数-1 |
colMinHeaps | 各列可以到达的行和总共经过的单格数-1 |
用小根堆记录经过的单格数和列号。由于列号是增加的,所有如果堆顶的列号小于当前列号,则对应小于后面的列号,可以永久删除。 删除堆顶列号过小的元素后,堆顶元素就是最小经过的单格树。
代码
class Solution { public: typedef priority_queue<pair<int,int>, vector<pair<int, int>>, greater<>> HTYPE; int minimumVisitedCells(vector<vector<int>>& grid) { m_r = grid.size(); m_c = grid.front().size(); vector<vector<int>> vDis(m_r, vector<int>(m_c, -1)); vector< HTYPE> colMinHeaps(m_c); for (int r = 0; r < m_r; r++) { HTYPE rowMinHeap; auto Add = [&](const int r, const int c, int iNewDis) { vDis[r][c] = iNewDis; rowMinHeap.emplace(iNewDis, c + grid[r][c]); colMinHeaps[c].emplace(iNewDis, r + grid[r][c]); }; for (int c = 0; c < m_c; c++) { if (r + c == 0) { Add(r, c, 1); continue; } while (rowMinHeap.size() && (rowMinHeap.top().second < c)) { rowMinHeap.pop(); } while (colMinHeaps[c].size() && (colMinHeaps[c].top().second < r )) { colMinHeaps[c].pop(); } int iPreMin = INT_MAX; if (rowMinHeap.size()) { iPreMin = min(iPreMin, rowMinHeap.top().first); } if (colMinHeaps[c].size()) { iPreMin = min(iPreMin, colMinHeaps[c].top().first); } if (INT_MAX == iPreMin) { continue; } Add(r, c, iPreMin + 1); } } return vDis.back().back(); } int m_r, m_c; };
单调向量(有序向量)
可以逆向考虑,从终点到起点。这样可以记录可以到达单元格的行(列)和经过的单格数。在保持数据的单调的情况下,行(列)递减,单格数递增。新增有利条件: 行(列)插入的顺序也递减。这意味者可以用单调向量。
代码
class Solution { public: int minimumVisitedCells(vector<vector<int>>& grid) { m_r = grid.size(); m_c = grid.front().size(); vector<vector<int>> vDis(m_r, vector<int>(m_c, -1)); vector< vector<pair<int,int>>> cols(m_c);//列(行)号按降序排除,距离按升序排列 for (int r = m_r-1; r >= 0 ; r-- ) { vector<pair<int, int>> row; auto Add = [&](const int r, const int c, int iNewDis) { vDis[r][c] = iNewDis; while (row.size() && (row.back().first >= iNewDis)) { row.pop_back(); } row.emplace_back(iNewDis,c); while (cols[c].size() && (cols[c].back().first >= iNewDis)) { cols[c].pop_back(); } cols[c].emplace_back(iNewDis, r); }; auto Cmp = [&](const pair<int, int>& pr, int rc) { return pr.second > rc; }; for (int c = m_c-1 ; c >= 0 ;c--) { if (r + c + 2 == m_r+m_c ) { Add(r, c, 1); continue; } int iPreMin = INT_MAX; auto it = std::lower_bound(row.begin(), row.end(), c + grid[r][c], Cmp); if (row.end() != it ) { iPreMin = min(iPreMin, it->first); } auto ij = std::lower_bound(cols[c].begin(), cols[c].end(), r + grid[r][c], Cmp); if (cols[c].end() != ij ) { iPreMin = min(iPreMin, ij->first); } if (INT_MAX == iPreMin) { continue; } Add(r, c, iPreMin + 1); } } return vDis.front().front(); } int m_r, m_c; };
2023年8月版
typedef std::priority_queue,vector>,std::greater> > QUE; class Solution { public: int minimumVisitedCells(vector& grid) { m_r = grid.size(); m_c = grid[0].size(); vector vVis(m_r, vector(m_c,INT_MAX)); vVis[0][0] = 1; vector< std::multiset> setCols(m_c); vector< QUE> vDelCols(m_c); for (int r = 0; r < m_r; r++) { for (int c = 0; c < m_c; c++) { auto& setCol = setCols[c]; auto& vDelCol = vDelCols[c]; while (vDelCol.size() && (vDelCol.top().first == r)) { setCol.erase(setCol.find(vDelCol.top().second)); vDelCol.pop(); } } std::multiset setRow; QUE vDelRow; auto Add = [&](int r, int c, int dis, int value) { if (INT_MAX == dis) { return; } setRow.emplace(dis); vDelRow.emplace(c + value + 1, dis); setCols[c].emplace(dis); vDelCols[c].emplace(r + value + 1, dis); }; for (int c = 0; c < m_c; c++) { if (r + c == 0) { Add(0, 0, vVis[0][0], grid[r][c]); continue; } while (vDelRow.size() && (vDelRow.top().first == c)) { setRow.erase(setRow.find(vDelRow.top().second)); vDelRow.pop(); } if (setRow.size()) { vVis[r][c] = min(vVis[r][c],*setRow.begin()+1); } auto& setCol = setCols[c]; if (setCol.size()) { vVis[r][c] = min(vVis[r][c], *setCol.begin() + 1); } if (INT_MAX == vVis[r][c]) { continue; } Add(r, c, vVis[r][c], grid[r][c]); } } int iRet = vVis.back().back(); return (INT_MAX == iRet) ? -1 : iRet; } int m_r, m_c; };
其它方法
可以用有向图并集查找,寻找没有删除的元素。r1和r2连接,表示[r1,r2)已经全部删除,直接处理r2。
2023年9月版
class Solution { public: int minimumVisitedCells(vector& grid) { m_r = grid.size(), m_c = grid[0].size(); if (m_r * m_c == 1) { return 1; } vector>> vvRowMinDis(m_c); // 每列的单调栈 int iRet = m_iNotMay; for (int r = m_r - 1; r >= 0; r–) { std::vector> vColMinDis;//列号越来越小,值越来越大 for (int c = m_c - 1; c >= 0; c–) { auto& sta = vvRowMinDis[c]; if ((m_r - 1 == r) && (m_c - 1 == c)) { vColMinDis.emplace_back(c, 1); sta.emplace_back(r, 1); continue; } int iCurDis = m_iNotMay; //处理右移 auto it = std::lower_bound(vColMinDis.begin(), vColMinDis.end(), c + grid[r][c], [](const std::pair& p1, int a) {return p1.first > a; }); if (vColMinDis.end() != it) { const int iDis = it->second + 1; iCurDis = min(iCurDis, iDis); } //处理左移 auto ij = std::lower_bound(sta.begin(), sta.end(), r + grid[r][c], [](const std::pair& p1, int a) {return p1.first > a; }); if (sta.end() != ij) { const int iDis = ij->second + 1; iCurDis = min(iCurDis, iDis); } if (m_iNotMay == iCurDis) { continue; } while (sta.size() && (sta.back().second >= iCurDis)) { sta.pop_back(); } sta.emplace_back(r, iCurDis); while (vColMinDis.size() && (vColMinDis.back().second >= iCurDis)) { vColMinDis.pop_back(); } vColMinDis.emplace_back(c, iCurDis); if (r + c == 0) { iRet = iCurDis; } } } return (iRet >= m_iNotMay ) ? -1 : iRet; } int m_r, m_c; const int m_iNotMay = 1000 * 1000 * 1000; };
扩展阅读
视频课程
有效学习:明确的目标 及时的反馈 拉伸区(难度合适),可以先学简单的课程,请移步CSDN学院,听白银讲师(也就是鄙人)的讲解。
https://edu.csdn.net/course/detail/38771
如何你想快
速形成战斗了,为老板分忧,请学习C#入职培训、C++入职培训等课程
https://edu.csdn.net/lecturer/6176
相关
下载
想高屋建瓴的学习算法,请下载《喜缺全书算法册》doc版
https://download.csdn.net/download/he_zhidan/88348653
测试环境
操作系统:win7 开发环境: VS2019 C++17
或者 操作系统:win10 开发环境: VS2022 C++17
如无特殊说明,本算法用**C++**实现。