【动态规划】【广度优先搜索】LeetCode:2617 网格图中最少访问的格子数

简介: 【动态规划】【广度优先搜索】LeetCode:2617 网格图中最少访问的格子数

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。



相关文章
|
6月前
|
缓存
力扣每日一题 6/14 动态规划+数组
力扣每日一题 6/14 动态规划+数组
43 1
|
6月前
|
算法 索引
力扣每日一题 6/28 动态规划/数组
力扣每日一题 6/28 动态规划/数组
55 0
|
6月前
|
存储
力扣每日一题 6/19 排序+动态规划
力扣每日一题 6/19 排序+动态规划
36 0
|
6月前
|
算法
力扣每日一题 6/16 字符串 + 随机一题 动态规划/数学
力扣每日一题 6/16 字符串 + 随机一题 动态规划/数学
50 0
|
6月前
|
机器人
【LeetCode】--- 动态规划 集训(二)
【LeetCode】--- 动态规划 集训(二)
45 0
|
6月前
【LeetCode】--- 动态规划 集训(一)
【LeetCode】--- 动态规划 集训(一)
37 0
【42页动态规划学习笔记分享】动态规划核心原理详解及27道LeetCode相关经典题目汇总(4)
【42页动态规划学习笔记分享】动态规划核心原理详解及27道LeetCode相关经典题目汇总
|
3月前
|
Unix Shell Linux
LeetCode刷题 Shell编程四则 | 194. 转置文件 192. 统计词频 193. 有效电话号码 195. 第十行
本文提供了几个Linux shell脚本编程问题的解决方案,包括转置文件内容、统计词频、验证有效电话号码和提取文件的第十行,每个问题都给出了至少一种实现方法。
LeetCode刷题 Shell编程四则 | 194. 转置文件 192. 统计词频 193. 有效电话号码 195. 第十行
|
4月前
|
Python
【Leetcode刷题Python】剑指 Offer 32 - III. 从上到下打印二叉树 III
本文介绍了两种Python实现方法,用于按照之字形顺序打印二叉树的层次遍历结果,实现了在奇数层正序、偶数层反序打印节点的功能。
63 6
|
4月前
|
搜索推荐 索引 Python
【Leetcode刷题Python】牛客. 数组中未出现的最小正整数
本文介绍了牛客网题目"数组中未出现的最小正整数"的解法,提供了一种满足O(n)时间复杂度和O(1)空间复杂度要求的原地排序算法,并给出了Python实现代码。
128 2