【动态规划】【map】【C++算法】1289. 下降路径最小和 II

简介: 【动态规划】【map】【C++算法】1289. 下降路径最小和 II

作者推荐

视频算法专题

本文涉及知识点

动态规划汇总

map

LeetCode1289. 下降路径最小和 II

给你一个 n x n 整数矩阵 grid ,请你返回 非零偏移下降路径 数字和的最小值。

非零偏移下降路径 定义为:从 grid 数组中的每一行选择一个数字,且按顺序选出来的数字中,相邻数字不在原数组的同一列。

示例 1:

输入:grid = [[1,2,3],[4,5,6],[7,8,9]]

输出:13

解释:

所有非零偏移下降路径包括:

[1,5,9], [1,5,7], [1,6,7], [1,6,8],

[2,4,8], [2,4,9], [2,6,7], [2,6,8],

[3,4,8], [3,4,9], [3,5,7], [3,5,9]

下降路径中数字和最小的是 [1,5,7] ,所以答案是 13 。

示例 2:

输入:grid = [[7]]

输出:7

提示:

n == grid.length == grid[i].length

1 <= n <= 200

-99 <= grid[i][j] <= 99

动态规划

动态规划的状态表示

multimap<int,int> mSumToIndex 的key,各行的最小和,value 列下标。 mSumToIndex不包括当前行,mDp包括当前行。

只需要比较mSumToIndex 最小元素和次小元素。

动态规划的转移方程

各列和mSumToIndex的最小、次小元素结合,最小值为iMin。将iMin和列号放到mDp中。

动态规划的初始值

{0,1} {0,1}

动态规划的填表顺序

依次处理各行。

动态规划的返回值

mSumToIndex.begin().first

map

map可以分成有序(单调)map和无序(哈希)map。还可分成单键map和多键map(允许重复的键)。本文用的是有序、多键。

代码

核心代码

class Solution {
public:
  int minFallingPathSum(vector<vector<int>>& grid) {
    const int n = grid.size();
    if (1 == n)
    {
      return grid[0][0];
    }
    multimap<int, int> mSumToIndex;
    mSumToIndex.emplace(0, 0);
    mSumToIndex.emplace(0, 1);
    for (const auto& v : grid)
    {
      const auto it = mSumToIndex.begin();
      const auto it1 = next(it);
      multimap<int, int> mDp;
      for (int i = 0; i < n; i++)
      {
        int iMax = INT_MAX;
        if (it->second != i)
        {
          iMax = min(iMax, it->first + v[i]);
        }
        if (it1->second != i)
        {
          iMax = min(iMax, it1->first + v[i]);
        }
        mDp.emplace(iMax, i);
      }
      mSumToIndex.swap(mDp);
    }
    return mSumToIndex.begin()->first;
  }
};

测试用例

template<class T>
void Assert(const T& t1, const T& t2)
{
  assert(t1 == t2);
}
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]);
  }
}
int main()
{ 
  vector<vector<int>> grid;
  {
    Solution sln;
    grid = { {1,2,3},{4,5,6},{7,8,9} };
    auto res = sln.minFallingPathSum(grid);
    Assert(13, res);
  }
  {
    Solution sln;
    grid = { {7} };
    auto res = sln.minFallingPathSum(grid);
    Assert(7, res);
  }
}

2023年一月版

class Solution {

public:

int minFallingPathSum(vector<vector>& grid) {

if (1 == grid.size())

{

return grid[0][0];

}

vector pre = grid[0];

for (int i = 1; i < grid.size(); i++)

{

vector dp(grid.size(), 1000 * 1000 * 1000);

for (int j = 0; j < dp.size(); j++)

{

for (int k = 0; k < pre.size(); k++)

{

if (j == k)

{

continue;

}

dp[j] = min(dp[j], pre[k] + grid[i][j]);

}

}

pre.swap(dp);

}

return *std::min_element(pre.begin(),pre.end());

}

void GetTop2(vector<std::pair<int, int>>& pre, const vector& v)

{

for (int i = 0; i < v.size(); i++)

{

const int& iValue = v[i];

if (pre.size() < 2)

{

pre.emplace_back(i, iValue);

}

else

{

if (iValue < pre[1].second)

{

pre.erase(pre.begin());

pre.emplace_back(i, iValue);

}

else if (iValue < pre[0].second)

{

pre[0].first = i;

pre[0].second = iValue;

}

}

}

}

};

2023年2月

class Solution {

public:

int minFallingPathSum(vector<vector>& grid) {

if (1 == grid.size())

{

return grid[0][0];

}

vector<std::pair<int, int>> pre;

GetTopN(pre, grid[0],2);

for (int i = 1; i < grid.size(); i++)

{

vector<std::pair<int, int>> cur;

GetTopN(cur, grid[i],3);

vector<std::pair<int, int>> dp;

for (auto& it : cur)

{

if (it.first == pre[1].first)

{

dp.emplace_back(it.first, it.second + pre[0].second);

}

else

{

dp.emplace_back(it.first, it.second + pre[1].second);

}

}

if (dp.size() > 2)

{

int iMaxIndex = 0;

for (int j = 1; j < dp.size(); j++)

{

if (dp[j].second > dp[iMaxIndex].second)

{

iMaxIndex = j;

}

}

dp.erase(dp.begin() + iMaxIndex);

}

//确保dp[0].second大于dp[1].second

if (dp[0].second < dp[1].second)

{

auto tmp = dp[0];

dp.erase(dp.begin());

dp.push_back(tmp);

}

pre.swap(dp);

}

return min(pre[0].second, pre[1].second);

}

void GetTopN(vector<std::pair<int, int>>& pre, const vector& v, int n)

{

for (int i = 0; i < v.size(); i++)

{

const int& iValue = v[i];

bool bInsert = false;

for (int j = 0; j < pre.size(); j++)

{

if (iValue > pre[j].second)

{

pre.emplace(pre.begin() + j, i, iValue);

bInsert = true;

break;

}

}

if (!bInsert)

{

pre.emplace_back(i, iValue);

}

if (pre.size() > n)

{

pre.erase(pre.begin());

}

}

}

};


相关文章
|
26天前
|
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。
56 2
动态规划算法学习三:0-1背包问题
|
25天前
|
数据采集 监控 安全
厂区地图导航制作:GIS技术与路径导航算法融合
在智能化、数字化时代,GIS技术为厂区的运营管理带来了革命性变化。本文探讨了如何利用GIS技术,通过数据采集、地图绘制、路径规划、位置定位和信息查询等功能,打造高效、精准的智能厂区地图导航系统,提升企业的竞争力和管理水平。
34 0
厂区地图导航制作:GIS技术与路径导航算法融合
|
26天前
|
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。
59 0
动态规划算法学习四:最大上升子序列问题(LIS:Longest Increasing Subsequence)
|
26天前
|
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。
107 0
动态规划算法学习二:最长公共子序列
|
28天前
|
存储 算法 C++
高精度算法(加、减、乘、除,使用c++实现)
高精度算法(加、减、乘、除,使用c++实现)
326 0
高精度算法(加、减、乘、除,使用c++实现)
|
26天前
|
存储 算法
动态规划算法学习一:DP的重要知识点、矩阵连乘算法
这篇文章是关于动态规划算法中矩阵连乘问题的详解,包括问题描述、最优子结构、重叠子问题、递归方法、备忘录方法和动态规划算法设计的步骤。
91 0
|
1月前
|
存储 算法 决策智能
【算法】博弈论(C/C++)
【算法】博弈论(C/C++)
|
1月前
|
存储 算法 C++
【算法】哈希映射(C/C++)
【算法】哈希映射(C/C++)
|
1月前
|
机器学习/深度学习 人工智能 算法
【算法】最长公共子序列(C/C++)
【算法】最长公共子序列(C/C++)
|
1月前
|
人工智能 算法 BI
一篇带你速通差分算法(C/C++)
一篇带你速通差分算法(C/C++)