【动态规划】【矩阵】C++算法329矩阵中的最长递增路径

简介: 【动态规划】【矩阵】C++算法329矩阵中的最长递增路径

作者推荐

视频算法专题

本文涉及知识点

动态规划汇总

题目

给定一个 m x n 整数矩阵 matrix ,找出其中 最长递增路径 的长度。

对于每个单元格,你可以往上,下,左,右四个方向移动。 你 不能 在 对角线 方向上移动或移动到 边界外(即不允许环绕)。

示例 1:

输入:matrix = [[9,9,4],[6,6,8],[2,1,1]]

输出:4

解释:最长递增路径为 [1, 2, 6, 9]。

示例 2:

输入:matrix = [[3,4,5],[3,2,6],[2,2,1]]

输出:4

解释:最长递增路径是 [3, 4, 5, 6]。注意不允许在对角线方向上移动。

示例 3:

输入:matrix = [[1]]

输出:1

提示:

m == matrix.length

n == matrix[i].length

1 <= m, n <= 200

0 <= matrix[i][j] <= 231 - 1

动态规划

时间复杂度: O(nmlog(nm))。

一,将行列压缩成一维。m_c*r+c。

二,建立图论的临接表。两个节点4连接,值小的指向值大的。

三,从值大的到值小的动态规划。

动态规划的细节,方便检查

动态规划的状态表示 dp[i]记录当前节点为起点的最长路径长度
动态规划的转移方程 1+ max(dp[j]) j 是邻接表的节点
动态规划的初始状态 无需初始化,所有节点都会处理。
动态规划的填表顺序 从值大到值小处理,,确保动态规划的无后效性
动态规划的返回值 dp的最大值

注意:最小值不一定是最大长度。比如:

1 9 2
9 4 3

1只能1->9

2可以2->3->4

代码

核心代码

class CEnumGridEdge
{
public:
  void Init()
  {
    for (int r = 0; r < m_r; r++)
    {
      for (int c = 0; c < m_c; c++)
      {
        Move(r, c, r + 1, c);
        Move(r, c, r - 1, c);
        Move(r, c, r, c + 1);
        Move(r, c, r, c - 1);
      }
    }
  }
protected:
  CEnumGridEdge(int r, int c) :m_r(r), m_c(c)
  {
    
  }
  void Move(int preR, int preC, int r, int c)
  {
    if ((r < 0) || (r >= m_r))
    {
      return;
    }
    if ((c < 0) || (c >= m_c))
    {
      return;
    }
    OnEnumEdge(preR, preC, r, c);
  };
  virtual void OnEnumEdge(int preR, int preC, int r, int c) = 0;
const int m_r, m_c;
};
class CMatToNeibo : public CEnumGridEdge
{
public:
  CMatToNeibo(const vector<vector<int>>& matrix) :CEnumGridEdge(matrix.size(), matrix[0].size()), m_mat(matrix), m_NodeCount(m_r* m_c), m_vNeiBo(m_NodeCount)
  {
    for (int r = 0; r < m_r; r++)
    {
      for (int c = 0; c < m_c; c++)
      {
        m_mValueToIndex.emplace(matrix[r][c], m_c * r + c);
      }
    }
  }
  int Do()
  {
    Init();
    vector<int> dp(m_NodeCount);
    for (const auto& [_tmp, inx] : m_mValueToIndex)
    {
      int iMax = 0;
      for (const auto& next : m_vNeiBo[inx])
      {
        iMax = max(iMax, dp[next]);
      }
      dp[inx] = iMax + 1;
    }
    return *std::max_element(dp.begin(),dp.end());
  }
  const int m_NodeCount;
  vector<vector<int>> m_vNeiBo;
  const vector<vector<int>>& m_mat;
  std::multimap<int, int, greater<>> m_mValueToIndex;
protected:
  virtual void OnEnumEdge(int preR, int preC, int r, int c)
  {
    if (m_mat[preR][preC] < m_mat[r][c])
    {
      m_vNeiBo[m_c * preR + preC].emplace_back(m_c * r + c);
    }
  }
};
class Solution {
public:
  int longestIncreasingPath(vector<vector<int>>& matrix) {
    CMatToNeibo mn(matrix);
    return mn.Do();
  }
};

2023年1月

class Solution {

public:

int longestIncreasingPath(vector<vector>& matrix) {

m_r = matrix.size();

m_c = matrix[0].size();

m_dp.assign(m_r, vector(m_c, -1));

std::map<int,vector<pair<int,int>>> mVRC;

for (int r = 0; r < m_r; r++)

{

for (int c = 0; c < m_c; c++)

{

mVRC[matrix[r][c]].emplace_back(r, c);

}

}

for (auto& it : mVRC)

{

for (auto& rc : it.second)

{

m_dp[rc.first][rc.second] = Test(matrix, rc.first, rc.second);

}

}

int iMax = 0;

for (int r = 0; r < m_r; r++)

{

for (int c = 0; c < m_c; c++)

{

iMax = max(iMax, m_dp[r][c]);

}

}

return iMax;

}

int Test(const vector<vector>& matrix,int r, int c)

{

int iMax = 0;

if ((r > 0) && (matrix[r][c] > matrix[r - 1][c]))

{

iMax = max(iMax,m_dp[r-1][c] );

}

if ((r +1 < m_r ) && (matrix[r][c] > matrix[r + 1][c]))

{

iMax = max(iMax, m_dp[r + 1][c]);

}

if ((c > 0) && (matrix[r][c] > matrix[r][c-1]))

{

iMax = max(iMax, m_dp[r][c-1]);

}

if ((c + 1 < m_c) && (matrix[r][c] > matrix[r][c + 1]))

{

iMax = max(iMax, m_dp[r][c + 1]);

}

return iMax + 1;

}

int m_r;

int m_c;

vector<vector> m_dp;

};

2023年8月

class Solution {

public:

int longestIncreasingPath(vector<vector>& matrix) {

m_r = matrix.size();

m_c = matrix.front().size();

m_iMaskNum = m_r * m_c;

//生成邻接表

vector<vector> vNeiBo(m_iMaskNum);

vector vInDeg(m_iMaskNum);

for (int r = 0; r < m_r; r++)

{

for (int c = 0; c < m_c; c++)

{

auto Add = [this,&matrix, &vNeiBo,&vInDeg](int curMask, int curValue, int r, int c)

{

if ((r < 0) || (r >= m_r))

{

return;

}

if ((c < 0) || (c >= m_c))

{

return;

}

if (curValue > matrix[r][c])

{

vNeiBo[r * m_c + c].emplace_back(curMask);

vInDeg[curMask]++;

}

};

Add(r * m_c + c, matrix[r][c], r + 1, c);

Add(r * m_c + c, matrix[r][c], r - 1, c);

Add(r * m_c + c, matrix[r][c], r, c + 1);

Add(r * m_c + c, matrix[r][c], r, c - 1);

}

}

//top排序

queue que;

vector vLen(m_iMaskNum, 0);

for (int i = 0; i < m_iMaskNum; i++)

{

if (0 == vInDeg[i])

{

que.emplace(i);

vLen[i] = 1;

}

}

while (que.size())

{

const int cur = que.front();

que.pop();

for (const auto& next : vNeiBo[cur])

{

if (–vInDeg[next] == 0)

{

vLen[next] = vLen[cur] + 1;

que.emplace(next);

}

}

}

return *std::max_element(vLen.begin(), vLen.end());

}

int m_r;

int m_c;

int m_iMaskNum;

};


相关文章
|
28天前
|
算法 Java C++
【潜意识Java】蓝桥杯算法有关的动态规划求解背包问题
本文介绍了经典的0/1背包问题及其动态规划解法。
47 5
|
2月前
|
算法
|
3月前
|
算法 Python
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果;贪心算法在每一步选择局部最优解,追求全局最优;动态规划通过保存子问题的解,避免重复计算,确保全局最优。这三种算法各具特色,适用于不同类型的问题,合理选择能显著提升编程效率。
81 2
|
4月前
|
算法
动态规划算法学习三:0-1背包问题
这篇文章是关于0-1背包问题的动态规划算法详解,包括问题描述、解决步骤、最优子结构性质、状态表示和递推方程、算法设计与分析、计算最优值、算法实现以及对算法缺点的思考。
169 2
动态规划算法学习三:0-1背包问题
|
4月前
|
并行计算 算法 IDE
【灵码助力Cuda算法分析】分析共享内存的矩阵乘法优化
本文介绍了如何利用通义灵码在Visual Studio 2022中对基于CUDA的共享内存矩阵乘法优化代码进行深入分析。文章从整体程序结构入手,逐步深入到线程调度、矩阵分块、循环展开等关键细节,最后通过带入具体值的方式进一步解析复杂循环逻辑,展示了通义灵码在辅助理解和优化CUDA编程中的强大功能。
|
4月前
|
算法
动态规划算法学习四:最大上升子序列问题(LIS:Longest Increasing Subsequence)
这篇文章介绍了动态规划算法中解决最大上升子序列问题(LIS)的方法,包括问题的描述、动态规划的步骤、状态表示、递推方程、计算最优值以及优化方法,如非动态规划的二分法。
101 0
动态规划算法学习四:最大上升子序列问题(LIS:Longest Increasing Subsequence)
|
4月前
|
算法
动态规划算法学习二:最长公共子序列
这篇文章介绍了如何使用动态规划算法解决最长公共子序列(LCS)问题,包括问题描述、最优子结构性质、状态表示、状态递归方程、计算最优值的方法,以及具体的代码实现。
220 0
动态规划算法学习二:最长公共子序列
|
2天前
|
编译器 C语言 C++
类和对象的简述(c++篇)
类和对象的简述(c++篇)
|
1月前
|
C++ 芯片
【C++面向对象——类与对象】Computer类(头歌实践教学平台习题)【合集】
声明一个简单的Computer类,含有数据成员芯片(cpu)、内存(ram)、光驱(cdrom)等等,以及两个公有成员函数run、stop。只能在类的内部访问。这是一种数据隐藏的机制,用于保护类的数据不被外部随意修改。根据提示,在右侧编辑器补充代码,平台会对你编写的代码进行测试。成员可以在派生类(继承该类的子类)中访问。成员,在类的外部不能直接访问。可以在类的外部直接访问。为了完成本关任务,你需要掌握。
68 19
|
1月前
|
存储 编译器 数据安全/隐私保护
【C++面向对象——类与对象】CPU类(头歌实践教学平台习题)【合集】
声明一个CPU类,包含等级(rank)、频率(frequency)、电压(voltage)等属性,以及两个公有成员函数run、stop。根据提示,在右侧编辑器补充代码,平台会对你编写的代码进行测试。​ 相关知识 类的声明和使用。 类的声明和对象的声明。 构造函数和析构函数的执行。 一、类的声明和使用 1.类的声明基础 在C++中,类是创建对象的蓝图。类的声明定义了类的成员,包括数据成员(变量)和成员函数(方法)。一个简单的类声明示例如下: classMyClass{ public: int
50 13