【动态规划之路径问题】路径条数与带障碍物的路径条数

2024-02-26 20:30

本文主要是介绍【动态规划之路径问题】路径条数与带障碍物的路径条数,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!

⭐️前面的话⭐️

本篇文章将介绍动态规划之路径条数的问题,我将通过两道力扣上面的题来介绍使用动态规划来解决路径条数问题以及路上存在障碍物时路径的条数。

📒博客主页:未见花闻的博客主页
🎉欢迎关注🔎点赞👍收藏⭐️留言📝
📌本文由未见花闻原创,CSDN首发!
📆首发时间:🌴2022年10月17日🌴
✉️坚持和努力一定能换来诗与远方!
💭推荐书籍:📚《算法》,📚《算法导论》
💬参考在线编程网站:🌐牛客网🌐力扣
博主的码云gitee,平常博主写的程序代码都在里面。
博主的github,平常博主写的程序代码都在里面。
🍭作者水平很有限,如果发现错误,一定要及时告知作者哦!感谢感谢!


📌导航小助手📌

  • ⭐️【引入】路径条数问题:62. 不同路径⭐️
    • 🔐题目详情
    • 💡解题思路
    • 🔑源代码
  • 🌱总结
  • ⭐️【路上有障碍物】63. 不同路径 II⭐️
    • 🔐题目详情
    • 💡解题思路
    • 🔑源代码
  • 🌱总结


封面


⭐️【引入】路径条数问题:62. 不同路径⭐️

🔐题目详情

62. 不同路径

难度中等

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:

img

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

💡解题思路

题目的意思是一个机器人从左上角到达右下角的路径数,当然是有限制条件的,条件就是只能向右走或者向下走。

由于本题较为简单,因此将使用本题带你进入动态规划的大门,对于一道问题如果想使用动态规划解决,思考过程如下:

  1. 这道题如何使用动态规划,能不能使用动态规划。
  2. 如果能够使用动态规划,尝试着定义一个状态。
  3. 定义好状态后,尝试去挖掘已知的状态,或者说是确定初始的状态。
  4. 确定好初始状态之后,尝试推导状态转移方程。
  5. 算法设计完成后,试着分析其时空复杂度。

下面我们以这个步骤来解决这道题。

状态定义: 我们不妨定义 f [ i ] [ j ] f[i][j] f[i][j]表示从左上角到位置 ( i , j ) (i, j) (i,j)的路径条数。

确定初始状态: i = 0 , j = 0 i=0, j=0 i=0,j=0的时候,从原点到达原点的路径数可以认为路径条数为1,即 f [ 0 ] [ 0 ] = 1 f[0][0]=1 f[0][0]=1

状态转移方程: 一共可以分为三种情况:

  1. i = 0 , j > 0 时 i=0,j>0时 i=0,j>0,此时到达位置(i,j)只能是左边的位置(i,j-1)移动而来,即 f [ i ] [ j ] = f [ i ] [ j − 1 ] f[i][j]=f[i][j-1] f[i][j]=f[i][j1]
  2. i > 0 , j = 0 时 i>0,j=0时 i>0,j=0,此时到达位置(i,j)只能是上面的位置(i-1,j)移动而来,即 f [ i ] [ j ] = f [ i − 1 ] [ j ] f[i][j]=f[i-1][j] f[i][j]=f[i1][j]
  3. i > 0 , j > 0 时 i>0, j>0时 i>0,j>0,此时到达位置(i,j),可以是上面的位置(i-1,j)移动而来,也可以是左边的位置(i, j-1)移动而来,所以 f [ i ] [ j ] = f [ i − 1 ] [ j ] + f [ i ] [ j − 1 ] f[i][j]=f[i-1][j]+f[i][j-1] f[i][j]=f[i1][j]+f[i][j1]

最终 f [ n − 1 ] [ m − 1 ] f[n-1][m-1] f[n1][m1]即就是从原点到达右下角的路径条数。

🔑源代码

class Solution {public int uniquePaths(int m, int n) {//状态定义 f[i][j]为起点到(i,j)位置的路径总数int[][] f = new int[n][m];//初始状态 f[0][0] = 1f[0][0] = 1;//状态转移for (int i = 0; i < n; i++) {for (int j = 0; j < m; j++) {if (i == 0 && j > 0) f[i][j] = f[i][j - 1];else if (j == 0 && i > 0) f[i][j] = f[i - 1][j];else if (i > 0 && j > 0) f[i][j] = f[i - 1][j] + f[i][j - 1];}}return f[n - 1][m - 1];}
}

时间复杂度: O ( m ∗ n ) 时间复杂度:O(m*n) 时间复杂度:O(mn)
空间复杂度: O ( m ∗ n ) 空间复杂度:O(m*n) 空间复杂度:O(mn)

🌱总结

如何确定该题可以使用动态规划?
因为到达位置(i,j)的路径数根据题目只能向下或向右走,可以依赖(i-1,j)和(i,j-1)位置进行推导。
如何确定本题的状态定义的?
更多的成分就是猜或者感觉吧,根据上面所说,一个状态依赖前面的状态,可以尝试定义状态 f [ i ] [ j ] f[i][j] f[i][j]为到达(i,j)位置的路径条数。
对状态转移的要求是什么?
不重复也不漏掉状态,如果对某个状态重复计算或者缺少某个状态的值的更新,那么得到的结果一定是错误的,需要检查状态转移过程是否正确或者状态定义是否可行。
如何分析动态规划的时空复杂度的?
时间复杂度就是更新状态的次数,有多少个状态更新,时间复杂度就是多少,空间复杂度就是你申请动态规划数组的大小。

⭐️【路上有障碍物】63. 不同路径 II⭐️

🔐题目详情

63. 不同路径 II

难度中等

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。

示例 1:

img

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:

img

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]01

💡解题思路

这道题想对于上一道题的区别就是路上可能存在障碍物,对于统计的路径条数不能存在障碍物,其实很简单,就是当位置(i,j)没有障碍物的时候,与上一道题一样,位置(i,j)存在障碍物的时候,表示此路不通,将到达(i,j)位置的路径条数为 0 0 0

据以上分析,我们可以在上一道题的基础之上给出状态定义以及推导的过程:

状态定义: 我们不妨定义 f [ i ] [ j ] f[i][j] f[i][j]表示从左上角到位置 ( i , j ) (i, j) (i,j)的路径条数。

确定初始状态: i = 0 , j = 0 i=0, j=0 i=0,j=0的时候,从原点到达原点的路径数可以认为路径条数为1,即 f [ i ] [ j ] = 1 f[i][j]=1 f[i][j]=1,如果原点就存在障碍物,路径条数为0,即 f [ 0 ] [ 0 ] = 0 f[0][0]=0 f[0][0]=0

状态转移方程: 一共可以分为四种情况:

  1. 没有遇到障碍物, i = 0 , j > 0 时 i=0,j>0时 i=0,j>0,此时到达位置(i,j)只能是左边的位置(i,j-1)移动而来,即 f [ i ] [ j ] = f [ i ] [ j − 1 ] f[i][j]=f[i][j-1] f[i][j]=f[i][j1]
  2. 没有遇到障碍物, i > 0 , j = 0 时 i>0,j=0时 i>0,j=0,此时到达位置(i,j)只能是上面的位置(i-1,j)移动而来,即 f [ i ] [ j ] = f [ i − 1 ] [ j ] f[i][j]=f[i-1][j] f[i][j]=f[i1][j]
  3. 没有遇到障碍物, i > 0 , j > 0 时 i>0, j>0时 i>0,j>0,此时到达位置(i,j),可以是上面的位置(i-1,j)移动而来,也可以是左边的位置(i, j-1)移动而来,所以 f [ i ] [ j ] = f [ i − 1 ] [ j ] + f [ i ] [ j − 1 ] f[i][j]=f[i-1][j]+f[i][j-1] f[i][j]=f[i1][j]+f[i][j1]
  4. 遇到障碍物, f [ i ] [ j ] = 0 f[i][j]=0 f[i][j]=0

最终 f [ n − 1 ] [ m − 1 ] f[n-1][m-1] f[n1][m1]即就是从原点到达右下角的路径条数。

🔑源代码

class Solution {public int uniquePathsWithObstacles(int[][] obstacleGrid) {//状态定义 f[i][j]表示到位置(i, j)的路径数int n = obstacleGrid.length;int m = obstacleGrid[0].length;int[][] f = new int[n][m];//初始状态 ob...[0][0] == 1 f[0][0] = 0 否则1f[0][0] = obstacleGrid[0][0] == 1 ? 0 : 1;//状态转移 ob...[i][j] == 1 f[i][j] = 0//其他 i > 0 j > 0 f[i][j] = f[i - 1][j] + f[i][j - 1]//i == 0 j > 0 f[i][j] = f[i][j - 1]//j == 0 i > 0 f[i][j] = f[i - 1][j]for (int i = 0; i < n; i++) {for (int j = 0; j < m; j++) {if (obstacleGrid[i][j] != 1) {if (i > 0 && j > 0) f[i][j] = f[i - 1][j] + f[i][j - 1];else if (i == 0 && j > 0) f[i][j] = f[i][j - 1];else if (j == 0 && i > 0) f[i][j] = f[i - 1][j];}}}return f[n - 1][m - 1];}
}

时间复杂度: O ( m ∗ n ) 时间复杂度:O(m*n) 时间复杂度:O(mn)
空间复杂度: O ( m ∗ n ) 空间复杂度:O(m*n) 空间复杂度:O(mn)

🌱总结

本题相当于上一题,就是存在不可达的路径,遇到障碍物的路径就是不可达路径,我们只需考虑遇到障碍物时就将状态转移的路径条数设置为 0 0 0即可。


觉得文章写得不错的老铁们,点赞评论关注走一波!谢谢啦!

1-99

这篇关于【动态规划之路径问题】路径条数与带障碍物的路径条数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/750073

相关文章

关于@MapperScan和@ComponentScan的使用问题

《关于@MapperScan和@ComponentScan的使用问题》文章介绍了在使用`@MapperScan`和`@ComponentScan`时可能会遇到的包扫描冲突问题,并提供了解决方法,同时,... 目录@MapperScan和@ComponentScan的使用问题报错如下原因解决办法课外拓展总结@

MybatisGenerator文件生成不出对应文件的问题

《MybatisGenerator文件生成不出对应文件的问题》本文介绍了使用MybatisGenerator生成文件时遇到的问题及解决方法,主要步骤包括检查目标表是否存在、是否能连接到数据库、配置生成... 目录MyBATisGenerator 文件生成不出对应文件先在项目结构里引入“targetProje

C#使用HttpClient进行Post请求出现超时问题的解决及优化

《C#使用HttpClient进行Post请求出现超时问题的解决及优化》最近我的控制台程序发现有时候总是出现请求超时等问题,通常好几分钟最多只有3-4个请求,在使用apipost发现并发10个5分钟也... 目录优化结论单例HttpClient连接池耗尽和并发并发异步最终优化后优化结论我直接上优化结论吧,

Java内存泄漏问题的排查、优化与最佳实践

《Java内存泄漏问题的排查、优化与最佳实践》在Java开发中,内存泄漏是一个常见且令人头疼的问题,内存泄漏指的是程序在运行过程中,已经不再使用的对象没有被及时释放,从而导致内存占用不断增加,最终... 目录引言1. 什么是内存泄漏?常见的内存泄漏情况2. 如何排查 Java 中的内存泄漏?2.1 使用 J

numpy求解线性代数相关问题

《numpy求解线性代数相关问题》本文主要介绍了numpy求解线性代数相关问题,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧... 在numpy中有numpy.array类型和numpy.mat类型,前者是数组类型,后者是矩阵类型。数组

解决systemctl reload nginx重启Nginx服务报错:Job for nginx.service invalid问题

《解决systemctlreloadnginx重启Nginx服务报错:Jobfornginx.serviceinvalid问题》文章描述了通过`systemctlstatusnginx.se... 目录systemctl reload nginx重启Nginx服务报错:Job for nginx.javas

Redis缓存问题与缓存更新机制详解

《Redis缓存问题与缓存更新机制详解》本文主要介绍了缓存问题及其解决方案,包括缓存穿透、缓存击穿、缓存雪崩等问题的成因以及相应的预防和解决方法,同时,还详细探讨了缓存更新机制,包括不同情况下的缓存更... 目录一、缓存问题1.1 缓存穿透1.1.1 问题来源1.1.2 解决方案1.2 缓存击穿1.2.1

vue解决子组件样式覆盖问题scoped deep

《vue解决子组件样式覆盖问题scopeddeep》文章主要介绍了在Vue项目中处理全局样式和局部样式的方法,包括使用scoped属性和深度选择器(/deep/)来覆盖子组件的样式,作者建议所有组件... 目录前言scoped分析deep分析使用总结所有组件必须加scoped父组件覆盖子组件使用deep前言

VUE动态绑定class类的三种常用方式及适用场景详解

《VUE动态绑定class类的三种常用方式及适用场景详解》文章介绍了在实际开发中动态绑定class的三种常见情况及其解决方案,包括根据不同的返回值渲染不同的class样式、给模块添加基础样式以及根据设... 目录前言1.动态选择class样式(对象添加:情景一)2.动态添加一个class样式(字符串添加:情

解决Cron定时任务中Pytest脚本无法发送邮件的问题

《解决Cron定时任务中Pytest脚本无法发送邮件的问题》文章探讨解决在Cron定时任务中运行Pytest脚本时邮件发送失败的问题,先优化环境变量,再检查Pytest邮件配置,接着配置文件确保SMT... 目录引言1. 环境变量优化:确保Cron任务可以正确执行解决方案:1.1. 创建一个脚本1.2. 修