05_不同路径2(带障碍物版)

简介: 05_不同路径2(带障碍物版)

63. 不同路径 II

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”)。

现在考虑网格中有障碍物。那么从左上角到右下角将会有多少条不同的路径?

网格中的障碍物和空位置分别用 10 来表示。

【思路】

动规五部曲:

1、确定dp数组以及下标的含义

dp[i][j]:表示从(0,0)出发,到(i,j)有dp[i][j]条不同的路径。

2、确定递推公式

递推公式和上面那题一样,dp[i][j] = dp[i-1][j]+dp[i][j-1]。

但这里需要注意的是,因为有了障碍的话应该就保持初始状态(初始状态为0)。

if (obstacleGrid[i][j] == 0) {//当(i, j)没有障碍的时候,再推导dp[i][j]
  dp[i][j] = dp[i-1][j] + dp[i][j-1];
}

3、dp数组如何初始化

int[][] dp = new int[m][n];
for(int i = 0; i < m && obstacleGrid[i][0] == 0; i++) dp[i][0] = 1;
for(int j = 0; j < n && obstacleGrid[0][j] == 0; j++) dp[0][j] = 1;

因为从(0,0)的位置到(i,0)的路径只有一条,所以dp[i][0]一定为1,dp[0][j]也同理。

但如果(i, 0)这条边有了障碍之后,障碍之后(包括障碍)都是走不到的位置了,所以障碍之后的dp[i][0]应该还是初始值0。

注意代码里for循环的终止条件,一旦遇到obstacleGrid[i][0] == 1的情况就停止dp[i][0]的赋值1的操作,dp[0][j]同理

4、确定遍历顺序

从递归公式dp[i][j]=dp[i-1][j]+dp[i][j-1]中可以看出,一定是从左到右一层一层遍历,这样保证推导dp[i][j]的时候,dp[i-1][j]和dp[i][j-1]一定有数值。

for(int i = 1; i < m; i++) {
  for (int j = 1; j < n; j++) {
    if(obstacleGrid[i][j] == 1) continue;
    dp[i][j] = dp[i-1][j] + dp[i][j-1];
  }
}

5、举例推导dp数组

class Solution {
    public int uniquePathsWithObstacles(int[][] obstacleGrid) {
        int m = obstacleGrid.length;
        int n = obstacleGrid[0].length;
        int[][] dp = new int[m][n];
        //如果在起点或终点出现了障碍,直接返回0
        if (obstacleGrid[m - 1][n - 1] == 1 || obstacleGrid[0][0] == 1) {
            return 0;
        }
        for (int i = 0; i < m && obstacleGrid[i][0] == 0; i++) {
            dp[i][0] = 1;
        }
        for (int j = 0; j < n && obstacleGrid[0][j] == 0; j++) {
            dp[0][j] = 1;
        }
        for (int i = 1; i < m; i++) {
            for (int j = 1; j < n; j++) {
                dp[i][j] = (obstacleGrid[i][j] == 0) ? dp[i - 1][j] + dp[i][j - 1] : 0;
            }
        }
        return dp[m - 1][n - 1];
    }
}
相关文章
|
机器学习/深度学习 传感器 定位技术
基于WGS84 椭球恒向线距离计算沿纬度_经度路径行驶的距离附matlab代码
基于WGS84 椭球恒向线距离计算沿纬度_经度路径行驶的距离附matlab代码
|
6月前
|
算法 机器人 BI
动态规划|【路径问题】|62.不同路径I
动态规划|【路径问题】|62.不同路径I
|
6月前
|
机器人
动态规划|【路径问题】63.不同路径II
动态规划|【路径问题】63.不同路径II
|
机器学习/深度学习 传感器 算法
【VRP问题】基于蚁群结合 2-opt 解决多站点车辆路径问题 MDVRP附matlab代码
【VRP问题】基于蚁群结合 2-opt 解决多站点车辆路径问题 MDVRP附matlab代码
|
机器学习/深度学习 传感器 人工智能
【路径规划-VRP问题】基于遗传算法求解带时间窗的车辆路径问题附matlab代码
【路径规划-VRP问题】基于遗传算法求解带时间窗的车辆路径问题附matlab代码
|
算法 定位技术
基于Astar算法的栅格地图最优路径搜索matlab仿真,可以修改任意数量栅格
基于Astar算法的栅格地图最优路径搜索matlab仿真,可以修改任意数量栅格
237 0
基于Astar算法的栅格地图最优路径搜索matlab仿真,可以修改任意数量栅格
|
机器学习/深度学习 传感器 算法
【VRP问题】基于遗传算法求解带时间窗的车辆路径问题附matlab代码
【VRP问题】基于遗传算法求解带时间窗的车辆路径问题附matlab代码
|
智慧交通
智慧交通day03-车道线检测实现06:车道线定位及拟合+代码实现
我们根据前面检测出的车道线信息,利用直方图和滑动窗口的方法,精确定位车道线,并进行拟合。
250 0
|
智慧交通
智慧交通day03-车道线检测实现09:车道线检测代码汇总(Python3.8)
智慧交通day03-车道线检测实现09:车道线检测代码汇总(Python3.8)
105 0