LeetCode 62.不同路径 : https://leetcode.cn/problems/unique-paths
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?
动态规划 可以解决 三类问题 :
在本示例中 , 使用动态规划 求的是 可行方案总数 ;
在 m x n 网格中 , 只能向右走 或 向下走 ;
将 大规模问题 拆解成 小规模问题 时 , 其依赖关系 是有 方向性的 ;
使用 二维数组 dp 保存 动态规划的 状态 State ,
dp[i][j] 表示 从 (0, 0) 位置出发 , 到 (i, j) 位置的方案总数 ;
在 初始位置 (0 , 0) 位置 的方案数 , 肯定为 1 , 因此有 dp[0][0] = 1 ;
最左侧的一列 , 只能向下走 , 其方案数也为 1 , 因此有 dp[i][0] = 1 ;
最上方的一排 , 只能向右走 , 其方案数也为 1 , 因此有 dp[0][j] = 1 ;
由于 运动时 , 只能 向右 或 向下 走 , 走到 (i , j) 只能是从 左边 (i - 1, j) 或 上边 (i , j-1) 位置走过来 ,
这里可以得到依赖关系 : dp[i][j] = dp[i-1][j] + dp[i][j-1]
最终的 从 左上角 (0 , 0) 位置 走到 右下角 (m , n) 位置 的方案总数就是 状态 State 中的 dp[m - 1][n - 1] 数值 ;
代码示例 :
public class Solution {
/**
* 不同路径
* @param m 网格行数
* @param n 网格列数
* @return
*/
public int uniquePaths(int m, int n) {
// 1. 动态规划状态 State
// dp[i][j] 表示 从 (0, 0) 位置出发 , 到 (i, j) 位置的方案总数 ;
int[][] dp = new int[m][n];
// 2. 动态规划初始化 Initialize
// 最左侧的一列 , 只能向下走 , 其方案数也为 1 , 因此有 dp[i][0] = 1 ;
for (int i = 0; i < m; ++i) {
dp[i][0] = 1;
}
// 最上方的一排 , 只能向右走 , 其方案数也为 1 , 因此有 dp[0][j] = 1 ;
for (int j = 0; j < n; ++j) {
dp[0][j] = 1;
}
// 3. 动态规划方程 Function
// 运动时 , 只能 向右 或 向下 走 ,
// 走到 (i , j) 只能是从 左边 (i - 1, j) 或 上边 (i , j-1) 位置走过来 ,
// 这里可以得到依赖关系 : dp[i][j] = dp[i-1][j] + dp[i][j-1]
for (int i = 1; i < m; ++i) {
for (int j = 1; j < n; ++j) {
dp[i][j] = dp[i - 1][j] + dp[i][j - 1];
}
}
// 4. 动态规划答案 Answer
// 最终的 从 左上角 (0 , 0) 位置 走到 右下角 (m , n) 位置
// 的方案总数就是 状态 State 中的 dp[m - 1][n - 1] 数值 ;
return dp[m - 1][n - 1];
}
public static void main(String[] args) {
int minTotal = new Solution().uniquePaths(3, 7);
System.out.println("3 x 7 网格方案数为 : " + minTotal);
}
}
执行结果 :
3 x 7 网格方案数为 : 28
使用 二维数组 dp 保存 动态规划的 状态 State ,
dp[i][j] 表示 从 (i , j) 位置出发 , 到 (m - 1, n - 1) 位置的方案总数 ;
在 终点位置 (m - 1, n - 1) 位置 到 (m - 1, n - 1) 位置的方案总数 , 肯定为 1 , 因此有 dp[m - 1][n - 1] = 1 ;
最右侧的一列 , 只能向下走 , 到 (m - 1, n - 1) 位置的方案总数 也为 1 , 因此有 dp[i][n - 1] = 1 ;
最下方的一排 , 只能向右走 , 其 到 (m - 1, n - 1) 位置的方案总数 方案数也为 1 , 因此有 dp[m - 1][j] = 1 ;
由于 运动时 , 只能 向右 或 向下 走 , 从 (i , j) 走到 ( m - 1 , n - 1 ) 只能是走 右边 (i + 1, j) 或 下边 (i , j + 1) 位置 ,
即 从 (i , j) 走到 ( m - 1 , n - 1 ) 位置的方案数 , 依赖于
之和 ;
这里可以得到依赖关系 : dp[i][j] = dp[i+1][j] + dp[i][j+1]
最终的 从 左上角 (0 , 0) 位置 走到 右下角 (m , n) 位置 的方案总数就是 状态 State 中的 dp[0][0] 数值 ;
代码示例 :
public class Solution {
/**
* 不同路径
* @param m 网格行数
* @param n 网格列数
* @return
*/
public int uniquePaths(int m, int n) {
// 1. 动态规划状态 State
// dp[i][j] 表示 从 (i , j) 位置出发 , 到 (m - 1, n - 1) 位置的方案总数 ;
int[][] dp = new int[m][n];
// 2. 动态规划初始化 Initialize
// 最右侧的一列 , 只能向下走 , 到 (m - 1, n - 1) 位置的方案总数 也为 1 ,
// 因此有 dp[i][n - 1] = 1 ;
for (int i = 0; i < m; ++i) {
dp[i][n - 1] = 1;
}
// 最下方的一排 , 只能向右走 , 其 到 (m - 1, n - 1) 位置的方案总数 方案数也为 1 ,
// 因此有 dp[m - 1][j] = 1 ;
for (int j = 0; j < n; ++j) {
dp[m - 1][j] = 1;
}
// 3. 动态规划方程 Function
// 由于 运动时 , 只能 向右 或 向下 走 ,
// 从 (i , j) 走到 ( m - 1 , n - 1 ) 只能是走 右边 (i + 1, j) 或 下边 (i , j + 1) 位置 ,
// 即 从 (i , j) 走到 ( m - 1 , n - 1 ) 位置的方案数 , 依赖于
// 从 (i + 1, j) 走到 ( m - 1 , n - 1 ) 位置的方案数
// 从 (i , j + 1) 走到 ( m - 1 , n - 1 ) 位置的方案数
// 之和
for (int i = m - 2; i >= 0; i--) {
for (int j = n - 2; j >= 0; j--) {
dp[i][j] = dp[i + 1][j] + dp[i][j + 1];
}
}
// 4. 动态规划答案 Answer
// 最终的 从 左上角 (0 , 0) 位置 走到 右下角 (m , n) 位置
// 的方案总数就是 状态 State 中的 dp[0][0] 数值 ;
return dp[0][0];
}
public static void main(String[] args) {
int minTotal = new Solution().uniquePaths(3, 7);
System.out.println("3 x 7 网格方案数为 : " + minTotal);
}
}
执行结果 :
3 x 7 网格方案数为 : 28