代码随想录算法训练营第三十四天| 62.不同路径 63. 不同路径 II

2024-09-03 01:12

本文主要是介绍代码随想录算法训练营第三十四天| 62.不同路径 63. 不同路径 II,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

62.不同路径

题目:

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

思路:

这个问题可以通过动态规划来解决。我们可以使用一个二维数组 dp 来保存从起点到达每个格子的路径数量。

动态规划思路:

  1. 定义状态:

    • dp[i][j] 为从起点 (0,0) 到达格子 (i,j) 的路径数。
  2. 状态转移方程:

    • 机器人每次只能向下或者向右移动一步,所以到达 dp[i][j] 的路径数等于从上方格子 dp[i-1][j] 到达的路径数与从左方格子 dp[i][j-1] 到达的路径数之和,即: dp[i][j]=dp[i−1][j]+dp[i][j−1]dp[i][j] = dp[i-1][j] + dp[i][j-1]dp[i][j]=dp[i−1][j]+dp[i][j−1]
  3. 初始条件:

    • 起点 dp[0][0] 的路径数为 1,因为机器人从起点开始,所以路径数为 1。
    • 第一行和第一列的路径数也应该初始化,因为在这些位置上,机器人只能从左到右(对于第一行)或者从上到下(对于第一列)移动,因此:
      • 对于第一行(i = 0),dp[0][j] = 1(因为机器人只能一直向右移动)。
      • 对于第一列(j = 0),dp[i][0] = 1(因为机器人只能一直向下移动)。
  4. 计算路径数:

    • 我们可以从左上角 (0,0) 开始,通过状态转移方程计算出每个格子的路径数,最终 dp[m-1][n-1] 就是我们要的答案。

上代码:

class Solution {
public:int uniquePaths(int m, int n) {vector<vector<int>> dp(m, vector<int>(n, 0));// 初始化第一行和第一列for (int i = 0; i < m; ++i) {dp[i][0] = 1;}for (int j = 0; j < n; ++j) {dp[0][j] = 1;}// 填充dp数组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];}}return dp[m-1][n-1];}
};

 63. 不同路径 II 

题目:

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 1 和 0 来表示。

示例 1:

输入:obstacleGrid = [[0,0,0],[0,1,0],[0,0,0]]
输出:2
解释:3x3 网格的正中间有一个障碍物。
从左上角到右下角一共有 2 条不同的路径:
1. 向右 -> 向右 -> 向下 -> 向下
2. 向下 -> 向下 -> 向右 -> 向右

示例 2:

输入:obstacleGrid = [[0,1],[0,0]]
输出:1

提示:

  • m == obstacleGrid.length
  • n == obstacleGrid[i].length
  • 1 <= m, n <= 100
  • obstacleGrid[i][j] 为 0 或 1

思路:

要解决这个问题,我们可以使用动态规划方法。与之前的没有障碍物的路径问题类似,但需要考虑障碍物的存在。

动态规划思路:

  1. 定义状态:

    • dp[i][j] 为从起点 (0,0) 到达格子 (i,j) 的路径数。
    • 如果 obstacleGrid[i][j] == 1,说明该格子为障碍物,不可通行,则 dp[i][j] = 0
    • 否则,路径数为从上方格子 dp[i-1][j] 和左方格子 dp[i][j-1] 到达的路径数之和。
  2. 状态转移方程:

    dp[i][j]=obstacleGrid[i][j]==1?0:dp[i−1][j]+dp[i][j−1]dp[i][j] = \text{obstacleGrid}[i][j] == 1 ? 0 : dp[i-1][j] + dp[i][j-1]dp[i][j]=obstacleGrid[i][j]==1?0:dp[i−1][j]+dp[i][j−1]
  3. 初始条件:

    • 起点 dp[0][0] 的路径数为 1,但如果起点本身是障碍物,则 dp[0][0] = 0
    • 第一行和第一列的路径数需要特别处理,因为只能从一个方向到达:
      • 对于第一行(i = 0),如果当前格子及其左侧没有障碍物,则路径数为 1,否则为 0。
      • 对于第一列(j = 0),如果当前格子及其上方没有障碍物,则路径数为 1,否则为 0。
  4. 计算路径数:

    • 从左上角开始,通过状态转移方程计算出每个格子的路径数,最终 dp[m-1][n-1] 就是我们要的答案。

上代码:

class Solution {
public:int uniquePathsWithObstacles(vector<vector<int>>& obstacleGrid) {int m = obstacleGrid.size();int n = obstacleGrid[0].size();// 如果起点有障碍物,直接返回 0if (obstacleGrid[0][0] == 1) return 0;vector<vector<int>> dp(m, vector<int>(n, 0));// 初始化起点dp[0][0] = 1;// 初始化第一列for (int i = 1; i < m; ++i) {dp[i][0] = (obstacleGrid[i][0] == 0 && dp[i-1][0] == 1) ? 1 : 0;}// 初始化第一行for (int j = 1; j < n; ++j) {dp[0][j] = (obstacleGrid[0][j] == 0 && dp[0][j-1] == 1) ? 1 : 0;}// 填充dp数组for (int i = 1; i < m; ++i) {for (int j = 1; j < n; ++j) {if (obstacleGrid[i][j] == 0) {dp[i][j] = dp[i-1][j] + dp[i][j-1];}}}return dp[m-1][n-1];}
};

这篇关于代码随想录算法训练营第三十四天| 62.不同路径 63. 不同路径 II的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1131602

相关文章

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

2. c#从不同cs的文件调用函数

1.文件目录如下: 2. Program.cs文件的主函数如下 using System;using System.Collections.Generic;using System.Linq;using System.Threading.Tasks;using System.Windows.Forms;namespace datasAnalysis{internal static

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

hdu2544(单源最短路径)

模板题: //题意:求1到n的最短路径,模板题#include<iostream>#include<algorithm>#include<cstring>#include<stack>#include<queue>#include<set>#include<map>#include<stdio.h>#include<stdlib.h>#include<ctype.h>#i

【数据结构】——原来排序算法搞懂这些就行,轻松拿捏

前言:快速排序的实现最重要的是找基准值,下面让我们来了解如何实现找基准值 基准值的注释:在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。 在此我们采用三数取中法,也就是取左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值。 快速排序实现主框架: //快速排序 void QuickSort(int* arr, int left, int rig

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

活用c4d官方开发文档查询代码

当你问AI助手比如豆包,如何用python禁止掉xpresso标签时候,它会提示到 这时候要用到两个东西。https://developers.maxon.net/论坛搜索和开发文档 比如这里我就在官方找到正确的id描述 然后我就把参数标签换过来

poj 3974 and hdu 3068 最长回文串的O(n)解法(Manacher算法)

求一段字符串中的最长回文串。 因为数据量比较大,用原来的O(n^2)会爆。 小白上的O(n^2)解法代码:TLE啦~ #include<stdio.h>#include<string.h>const int Maxn = 1000000;char s[Maxn];int main(){char e[] = {"END"};while(scanf("%s", s) != EO