动态规划|【路径问题】|62.不同路径I

简介: 动态规划|【路径问题】|62.不同路径I

62. 不同路径

题目

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?

示例 1:

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

提示:

  • 1 <= m, n <= 100
  • 题目数据保证答案小于等于 2 * 109

题目解析

题目是给出一个m*n的网格,有起点(start)和终点(finish),一个机器人,从起点走向终点,每次只能向下或者向右走到达中终点,并且不能回退,问从起点到终点总共有几个方案。

我们以示例2画出图

算法原理讲解

1.状态表示

       之前说过做题前得先有一个状态表示,而状态表示的确定,是经验+题目要求,根据之前的几个斐波那契额数列模型的题目,可以看出我们一般都是以某个位置为起点,或者以某一个位置为结尾,这道题我们选用常用的那个以某一个位置为结尾,另外这个是一个二维数组,所以我决定以[i,j]位置为结尾,并且题目要求从起点开始到结尾有多少条路径,因此我们将状态表示定义为,从起点到[i,j]位置的路径有dp[i][j]

2.状态转移方程

状态转移方程就是dp[i][j]等于什么,一般都是通过,状态表示来推出的,设一个[i,j]位置,然后根据最近的一步划分问题

最近的一步,因为每次走,只能向右走一步,或者向下走一步,所以最近的位置有两个

a)[i-1,j]位置向下走一步达到[i,j]位置,如果要表示从起点到[i,j]位置的路径方式,先从起点走到[i-1,j]位置,再走一步达到[i,j]位置, 而从起点到[i-1,j]位置的路径方式,有dp[i-1][j],所以这种情况的dp[i][j]=dp[i-1][j];

b)[i,j-1]位置向右走一步达到[i,j]位置,同理a,这种情况下的dp[i][j]=dp[i][j-1]

最终从起点到[i,j]位置的路径的方式dp[i][j]就是这两种情况的相加

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

3.初始化

方法1

初始化是为了让填表的时候都不越界,首先我们得考虑填表需要什么呢?因为状态转移方程dp[i][j]=dp[i-1][j]+dp[i][j-1],所以填任何一个值都需要这个值左边的值和这个值上边的值,但是矩阵中

当i=0(第一行)时,没有上边的值,

当j=0(第一列)时,没有左边的值

所以初始化时,要初始化i=0和j=0时的值

根据状态转移方程,边界结点初始化的值应该都为1

方法2(虚拟节点)

接下来来介绍一个虚拟节点的方法,虚拟结点是增加需要的结点,然后给虚拟结点中填上合适的值,就可以将初始化的流程放在填表里面了

现在我们要在这些虚拟结点填值,并且保证虚拟结点里面的值,使后面的值都是正确的

还要注意 下标的映射,加了虚拟结点后,之前的矩阵的下标都 +1了

那虚拟结点应该填什么,才会让边界的值等于一呢,根据状态转移方程,每个格子都是,上面的格子里面的值,加上左边的格子里面的值,所以我们让原本的第一个格子的左边或者上边的值为1,其他全为0就行

4.填表顺序

从上往下,从左往右

5.返回值

如果初始化方法一返回dp[m-1][n-1]

如果初始化是方法二返回dp[m][n]

代码

初始化方法一

int uniquePaths(int m, int n) {
    //创建dp表
    int dp[100][100]={0};
    int i,j;
    //初始化
    for(i=0,j=0;j<n;j++)dp[i][j]=1;
    for(i=0,j=0;i<m;i++)dp[i][j]=1;
    //填表
    for(i=1;i<m;i++)
    {
        for(j=1;j<n;j++)
        {
            dp[i][j]=dp[i-1][j]+dp[i][j-1];
        }
    }
    return dp[m-1][n-1];
    
}

空间复杂度:O(mn)

时间复杂度:O(mn)

初始化方法二

int uniquePaths(int m, int n) {
    //创建dp表
    int dp[101][101]={0};
    int i,j;
    //初始化
    dp[1][0]=1;
    //填表
    for(i=1;i<=m;i++)
    {
        for(j=1;j<=n;j++)
        {
            dp[i][j]=dp[i-1][j]+dp[i][j-1];
        }
    }
    return dp[m][n];
    
}

空间复杂度:O(mn)

时间复杂度:O(mn)

相关文章
|
机器学习/深度学习 自然语言处理 PyTorch
Transformers入门指南:从零开始理解Transformer模型
【10月更文挑战第29天】作为一名机器学习爱好者,我深知在自然语言处理(NLP)领域,Transformer模型的重要性。自从2017年Google的研究团队提出Transformer以来,它迅速成为NLP领域的主流模型,广泛应用于机器翻译、文本生成、情感分析等多个任务。本文旨在为初学者提供一个全面的Transformers入门指南,介绍Transformer模型的基本概念、结构组成及其相对于传统RNN和CNN模型的优势。
13328 1
|
消息中间件 监控 安全
【天衍系列 05】Flink集成KafkaSink组件:实现流式数据的可靠传输 & 高效协同
【天衍系列 05】Flink集成KafkaSink组件:实现流式数据的可靠传输 & 高效协同
1383 5
|
存储 缓存 资源调度
Vite 是如何发布 npm 包的?
Vite 是如何发布 npm 包的?
634 1
|
运维 监控 虚拟化
阿里云郑晓:浅谈GPU虚拟化技术(第二章)
注:本系列第一章推送门:阿里云郑晓:浅谈GPU虚拟化技术(第一章) GPU虚拟化发展史 第二章 GPU虚拟化方案之——GPU直通模式 目前流行的商用GPU虚拟化方案可以分为以下几类:GPU 直通模式,GPU SRIOV 模式,GPU 半虚拟化(mediated passthrough:包括Intel GVT-g和Nvidia GRID vGPU),VMWare的GPU全虚拟化(vSGA)。
19572 1
阿里云郑晓:浅谈GPU虚拟化技术(第二章)
MS OFFICE 2019下载及使用
MS OFFICE 2019下载及使用
614 0
|
设计模式 Java 程序员
|
数据安全/隐私保护 Android开发
安卓中高级面试知识点之——HTTP相关知识(上)
http请求由三部分组成,分别是:请求行、消息报头、请求正文 HTTP(超文本传输协议)是一个基于请求与响应模式的、无状态的、应用层的协议,常基于TCP的连接方式,HTTP1.1版本中给出一种持续连接的机制,绝大多数的Web开发,都是构建在HTTP协议之上的Web应用。
1488 0
|
Android开发 编解码
appium+python自动化24-滑动方法封装(swipe)
swipe介绍 1.查看源码语法,起点和终点四个坐标参数,duration是滑动屏幕持续的时间,时间越短速度越快。默认为None可不填,一般设置500-1000毫秒比较合适。 swipe(self, start_x, start_y, end_x, end_y, duration=None) ...
2901 0
|
JavaScript 前端开发
网页常见的换肤技术
  常见的例子就是:一个站点上有多个页面样式提供浏览者选择。  同时,在选择了某样式后,再次打开该页面时,将仍然保持该样式。  自然会想到了Cookie技术  下面是HTML代码部分(另外再加需要的CSS文件就可以使用了):  //          // ...
1033 0