【LeetCode】--- 动态规划 集训（二）
【LeetCode】--- 动态规划 集训（二）
一、63. 不同路径 II
题目地址： 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 1 和 0 来表示。
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：
- 向右 -> 向右 -> 向下 -> 向下
- 向下 -> 向下 -> 向右 -> 向右
1.1 题目解析
状态表示：
对于这种「路径类」的问题，我们的状态表示?般有两种形式：
- 从
[i, j]位置出发，到达?标位置有多少种方式； - 从起始位置出发，到达
[i, j]位置，，?共有多少种方式。
这?选择第?种定义状态表示的方式：dp[i][j]表示：走到 [i, j]位置处，?共有多少种方式。
状态转移：
简单分析?下。如果 dp[i][j]表示到达 [i, j]位置的方法数，那么到达 [i, j]位置之前的?小步，有两种情况：
- 从
[i, j]位置的上方（[i - 1, j]的位置）向下走一步，转移到[i, j]位置； - 从
[i, j]位置的左方（[i, j - 1]的位置）向右??步，转移到[i, j]位置。
但是， [i - 1, j]与 [i, j - 1]位置都是可能有障碍的，此时从上?或者左边是不可能到达 [i, j]位置的，也就是说，此时的方法数应该是 0。由此我们可以得出?个结论，只要这个位置上「有障碍物」，那么我们就不需要计算这个位置上的值，直接让它等于 0 即可。
初始化：
可以在最前?加上?个「辅助结点」，帮助我们初始化。使?这种技巧要注意两个点：
- 辅助结点??的值要「保证后续填表是正确的」；
- 「下标的映射关系」。
在本题中，添加一行，并且添加?列后，只需将 dp[1][0]的位置初始化为 1即可。 添加一行和一列是因为[i, j]位置需要[i - 1, j]和[i, j - 1]两个方位的值，以此确保状态表不越界，将dp[1][0]初始化为1，为了保证在起点时有方法数 1 。
填表顺序：
根据「状态转移」的推导，填表的顺序就是 「从上往下」填每一行，每一行「从左往右」。
返回值：
根据「状态表?」，我们要返回的结果是 dp[m][n]。
1.2 状态转移方程
从当前位置的上方和左方，到达当前位置的方法数：dp[i][j] = dp[i - 1][j] + dp[i][j - 1];。还需要注意的是若当前位置为障碍物，直接将当前状态置为0(即dp[i][j] = 0;)
1.3 解题代码
class Solution
{
public:
int uniquePathsWithObstacles(vector<vector<int>>& obstacleGrid)
{
int row = obstacleGrid.size(), col = obstacleGrid[0].size();
//1. 创建dp表
vector<vector<int>> dp(row + 1, vector<int>(col + 1));
//2. 初始化
dp[0][1] = 1;
//3. 填表
//从上到下填表 -> 从左到右填表
for (int i = 1; i <= row; ++i)
for (int j = 1; j <= col; ++j)
if(obstacleGrid[i - 1][j - 1] == 0) dp[i][j] = dp[i][j - 1] + dp[i - 1][j];
//4. 返回值
return dp[row][col];
}
};二、931. 下降路径最小和
题目地址： 931. 下降路径最小和
给你一个
n x n的 方形 整数数组 matrix ，请你找出并返回通过 matrix 的下降路径 的 最小和。 下降路径 可以从第一行中的任何元素开始，并从每一行中选择一个元素。在下一行选择的元素和当前行所选元素最多相隔一列（即位于正下方或者沿对角线向左或者向右的第一个元素）。具体来说，位置(row, col)的下一个元素应当是(row + 1, col - 1)、(row + 1, col)或者(row + 1, col + 1)。
输入：matrix = [[2,1,3],[6,5,4],[7,8,9]] 输出：13 解释：如图所示，为和最小的两条下降路径
2.1 题目解析
状态表示：
对于这种「路径类」的问题，我们的状态表示一般有两种形式：
- 从 [i, j] 位置出发，到达?标位置有多少种方式；
- 从起始位置出发，到达 [i, j] 位置，?共有多少种方式
这里选择第?种定义状态表示的方式：
dp[i][j]表示：到达 [i, j]位置时，所有下降路径中的最小和。
状态转移：
对于普遍位置 [i, j]，根据题意得，到达 [i, j]位置可能有三种情况：
- 从正上方
[i - 1, j]位置转移到[i, j]位置； - 从左上方
[i - 1, j - 1]位置转移到[i, j]位置； - 从右上方
[i - 1, j + 1]位置转移到[i, j]位置；
我们要的是三种情况下的「最小值」，然后再加上矩阵在 [i, j]位置的值。于是 dp[i][j] = min(dp[i - 1][j], min(dp[i - 1][j - 1], dp[i - 1][j + 1])) + matrix[i][j] 。
初始化：
可以在最前?加上?个「辅助结点」，帮助我们初始化。使用这种技巧要注意两个点：
- 辅助结点里面的值要「保证后续填表是正确的」；
- 「下标的映射关系」。
事实上这题的状态转移方程是不难想到的，而关键问题在于初始化。[i, j]位置的值可以从三个方向来 - 上、左、右，所以为了不越界，在本题中，需要「加上一行」，并且「加上两列」(最左边和最右边)。 所有的位置都初始化为无穷大，然后将第一行初始化为 0 即可。将初始值设为无穷大是因为，这些是虚拟节点，不应该对选数造成影响(即大于其他两路的值)。
填表顺序：
根据「状态表示」，填表的顺序是「从上往下」。
返回值：
注意这里不是返回 dp[m][n]的值！
题?要求「只要到达最后一行」就行了，因此这?应该返回「 dp 表中最后一行的最小值」。
2.2 状态转移方程
dp[i][j] = min(dp[i - 1][j], min(dp[i - 1][j - 1], dp[i - 1][j + 1])) + matrix[i][j]; 。
2.3 解题代码
class Solution
{
public:
int minFallingPathSum(vector<vector<int>>& matrix)
{
//1. 创建dp表
int row = matrix.size(), col = matrix.size();
vector<vector<int>> dp(row + 1, vector<int>(col + 2, INT_MAX));
//2. 初始化列表
//第一行变为0
for(int i = 0; i < col + 2; ++i) dp[0][i] = 0;
//3. 填表
for(int i = 1; i <= row; ++i)
for(int j = 1; j <= col; ++j)
dp[i][j] = matrix[i - 1][j - 1]
+ min(min(dp[i - 1][j - 1], dp[i - 1][j]), dp[i - 1][j + 1]);
//4. 返回结果
int ans = INT_MAX;
for(int i = 1; i <= col; ++i)
ans = min(ans, dp[row][i]);
return ans;
}
};三、174. 地下城游戏
题目地址： 174. 地下城游戏
恶魔们抓住了公主并将她关在了地下城 dungeon 的 右下角 。地下城是由 m x n 个房间组成的二维网格。我们英勇的骑士最初被安置在 左上角 的房间里，他必须穿过地下城并通过对抗恶魔来拯救公主。 骑士的初始健康点数为一个正整数。如果他的健康点数在某一时刻降至 0 或以下，他会立即死亡。 有些房间由恶魔守卫，因此骑士在进入这些房间时会失去健康点数（若房间里的值为负整数，则表示骑士将损失健康点数）；其他房间要么是空的（房间里的值为 0），要么包含增加骑士健康点数的魔法球（若房间里的值为正整数，则表示骑士将增加健康点数）。 为了尽快解救公主，骑士决定每次只 向右 或 向下 移动一步。 返回确保骑士能够拯救到公主所需的最低初始健康点数。 注意： 任何房间都可能对骑士的健康点数造成威胁，也可能增加骑士的健康点数，包括骑士进入的左上角房间以及公主被监禁的右下角房间。
输入：dungeon = [[-2,-3,3],[-5,-10,1],[10,30,-5]] 输出：7 解释：如果骑士遵循最佳路径：右 -> 右 -> 下 -> 下 ，则骑士的初始健康点数至少为 7 。
3.1 题目解析
状态表示：
这道题如果我们定义成：从起点开始，到达 [i, j]位置的时候，所需的最低初始健康点数。那么我们分析状态转移的时候会有?个问题：那就是我们当前的健康点数还会受到后面的路径的影响。也就是从上往下的状态转移不能很好地解决问题。
这个时候我们要换?种状态表示：从 [i, j]位置出发，到达终点时所需要的最低初始健康点数。 这样我们在分析状态转移的时候，后续的最佳状态就已经知晓。
综上所述，定义状态表示为：
dp[i][j]表示：从 [i, j]位置出发，到达终点时所需的最低初始健康点数。
状态转移方程：
对于 dp[i][j]，从 [i, j]位置出发，下?步会有两种选择（为了方便理解，设 dp[i][j]的最终答案是 x ）：
- 走到右边，然后走向终点:
那么我们在
[i, j]位置的最低健康点数加上这?个位置的消耗，应该要?于等于右边位置的最低健康点数，也就是：x + dungeon[i][j] >= dp[i][j + 1]。通过移项可得：x >= dp[i][j + 1] - dungeon[i][j]。因为我们要的是最小值，因此这种情况下的x = dp[i][j + 1] - dungeon[i][j]； - 走到下边，然后走向终点:
那么我们在
[i, j]位置的最低健康点数加上这?个位置的消耗，应该要大于等于下边位置的最低健康点数，也就是：x + dungeon[i][j] >= dp[i + 1][j]。通过移项可得：x >= dp[i + 1][j] - dungeon[i][j]。因为我们要的是最小值，因此这种情况下的x = dp[i + 1][j] - dungeon[i][j]；
综上所述，我们需要的是两种情况下的最小值，因此可得状态转移方程为：dp[i][j] = min(dp[i + 1][j], dp[i][j + 1]) - dungeon[i][j]
但是，如果当前位置的 dungeon[i][j]是?个比较大的正数的话， dp[i][j]的值可能变成 0 或者负数。也就是最低点数会小于 1 ，那么骑士就会死亡。因此我们求出来的 dp[i][j]如果小于等于 0 的话，说明此时的最低初始值应该为 1 。处理这种情况仅需让 dp[i][j]与 1 取?个最大值即可：dp[i][j] = max(1, dp[i][j])
初始化：
可以在最前?加上?个「辅助结点」，帮助我们初始化。使用这种技巧要注意两个点：
- 辅助结点??的值要「保证后续填表是正确的」；
- 「下标的映射关系」。
在本题中，在 dp 表最后?添加一行，并且添加?列后，所有的值都先初始化为?穷大，然后让dp[m][n - 1] = dp[m - 1][n] = 1即可。
填表顺序：
根据「状态转移方程」，我们需要「从下往上填每一行」，「每一行从右往左」。
返回值：
根据「状态表示」，我们需要返回 dp[0][0]的值。
3.2 状态转移方程
骑士到达当前位置最低健康点数：dp[i][j] = min(dp[i + 1][j], dp[i][j + 1]) - dungeon[i][j]
确保健康值不低于1：dp[i][j] = max(1, dp[i][j]);
3.3 解题代码
class Solution
{
public:
int calculateMinimumHP(vector<vector<int>>& dungeon)
{
int m = dungeon.size(), n = dungeon[0].size();
// 建表 + 初始化
vector<vector<int>> dp(m + 1, vector<int>(n + 1, INT_MAX));
dp[m][n - 1] = dp[m - 1][n] = 1;
// 填表
for(int i = m - 1; i >= 0; i--)
{
for(int j = n - 1; j >= 0; j--)
{
dp[i][j] = min(dp[i + 1][j], dp[i][j + 1]) - dungeon[i][j];
dp[i][j] = max(1, dp[i][j]);
}
}
// 返回结果
return dp[0][0];
}
};