C++實現(xiàn)LeetCode(64.最小路徑和)

更新時間：2021年07月16日 16:14:54 作者：Grandyang

這篇文章主要介紹了C++實現(xiàn)LeetCode(64.最小路徑和),本篇文章通過簡要的案例,講解了該項技術(shù)的了解與使用,以下就是詳細內(nèi)容,需要的朋友可以參考下

[LeetCode] 64. Minimum Path Sum 最小路徑和

Given a m x n grid filled with non-negative numbers, find a path from top left to bottom right which minimizes the sum of all numbers along its path.

Note: You can only move either down or right at any point in time.

Example:

Input:
[
[1,3,1],
[1,5,1],
[4,2,1]
]
Output: 7
Explanation: Because the path 1→3→1→1→1 minimizes the sum.

這道題給了我們一個只有非負數(shù)的二維數(shù)組，讓找一條從左上到右下的路徑，使得路徑和最小，限定了每次只能向下或者向右移動。一個常見的錯誤解法就是每次走右邊或下邊數(shù)字中較小的那個，這樣的貪婪算法獲得的局部最優(yōu)解不一定是全局最優(yōu)解，因此是不行的。實際上這道題跟之前那道 Dungeon Game 沒有什么太大的區(qū)別，都需要用動態(tài)規(guī)劃 Dynamic Programming 來做，這應該算是 DP 問題中比較簡單的一類，我們維護一個二維的 dp 數(shù)組，其中 dp[i][j] 表示到達當前位置的最小路徑和。接下來找狀態(tài)轉(zhuǎn)移方程，因為到達當前位置 (i, j) 只有兩種情況，要么從上方 (i-1, j) 過來，要么從左邊 (i, j-1) 過來，我們選擇 dp 值較小的那個路徑，即比較 dp[i-1][j] 和 dp[i][j-1]，將其中的較小值加上當前的數(shù)字 grid[i][j]，就是當前位置的 dp 值了。但是有些特殊情況要提前賦值，比如起點位置，直接賦值為 grid[0][0]，還有就是第一行和第一列，其中第一行的位置只能從左邊過來，第一列的位置從能從上面過來，所以這兩行要提前初始化好，然后再從 (1, 1) 的位置開始更新到右下角即可，反正難度不算大，代碼如下：

解法一：

class Solution {
public:
    int minPathSum(vector<vector<int>>& grid) {
        if (grid.empty() || grid[0].empty()) return 0;
        int m = grid.size(), n = grid[0].size();
        vector<vector<int>> dp(m, vector<int>(n));
        dp[0][0] = grid[0][0];
        for (int i = 1; i < m; ++i) dp[i][0] = grid[i][0] + dp[i - 1][0];
        for (int j = 1; j < n; ++j) dp[0][j] = grid[0][j] + dp[0][j - 1];
        for (int i = 1; i < m; ++i) {
            for (int j = 1; j < n; ++j) {
                dp[i][j] = grid[i][j] + min(dp[i - 1][j], dp[i][j - 1]);
            }
        }
        return dp[m - 1][n - 1];
    }
};

我們可以優(yōu)化空間復雜度，可以使用一個一維的 dp 數(shù)組就可以了，初始化為整型最大值，但是 dp[0][0] 要初始化為0。之所以可以用一維數(shù)組代替之前的二維數(shù)組，是因為當前的 dp 值只跟左邊和上面的 dp 值有關(guān)。這里我們并不提前更新第一行或是第一列，而是在遍歷的時候判斷，若j等于0時，說明是第一列，我們直接加上當前的數(shù)字，否則就要比較是左邊的 dp[j-1] 小還是上面的 dp[j] 小，當是第一行的時候，dp[j] 是整型最大值，所以肯定會取到 dp[j-1] 的值，然后再加上當前位置的數(shù)字即可，參見代碼如下：

解法二：

class Solution {
public:
    int minPathSum(vector<vector<int>>& grid) {
        if (grid.empty() || grid[0].empty()) return 0;
        int m = grid.size(), n = grid[0].size();
        vector<int> dp(n, INT_MAX);
        dp[0] = 0;
        for (int i = 0; i < m; ++i) {
            for (int j = 0; j < n; ++j) {
                if (j == 0) dp[j] += grid[i][j];
                else dp[j] = grid[i][j] + min(dp[j], dp[j - 1]);
            }
        }
        return dp[n - 1];
    }
};

我們還可以進一步的優(yōu)化空間，連一維數(shù)組都不用新建，而是直接使用原數(shù)組 grid 進行累加，這里的累加方式跟解法一稍有不同，沒有提前對第一行和第一列進行賦值，而是放在一起判斷了，當i和j同時為0時，直接跳過。否則當i等于0時，只加上左邊的值，當j等于0時，只加上面的值，否則就比較左邊和上面的值，加上較小的那個即可，參見代碼如下：

解法三：

class Solution {
public:
    int minPathSum(vector<vector<int>>& grid) {
        if (grid.empty() || grid[0].empty()) return 0;
        for (int i = 0; i < grid.size(); ++i) {
            for (int j = 0; j < grid[i].size(); ++j) {
                if (i == 0 && j == 0) continue;
                if (i == 0) grid[0][j] += grid[0][j - 1];
                else if (j == 0) grid[i][0] += grid[i - 1][0];
                else grid[i][j] += min(grid[i - 1][j], grid[i][j - 1]);
            }
        }
        return grid.back().back();
    }
};

下面這種寫法跟上面的基本相同，只不過用了 up 和 left 兩個變量來計算上面和左邊的值，看起來稍稍簡潔一點，參見代碼如下：

解法四：

class Solution {
public:
    int minPathSum(vector<vector<int>>& grid) {
        if (grid.empty() || grid[0].empty()) return 0;
        for (int i = 0; i < grid.size(); ++i) {
            for (int j = 0; j < grid[i].size(); ++j) {
                if (i == 0 && j == 0) continue;
                int up = (i == 0) ? INT_MAX : grid[i - 1][j];
                int left = (j == 0) ? INT_MAX : grid[i][j - 1];
                grid[i][j] += min(up, left);
            }
        }
        return grid.back().back();
    }
};

到此這篇關(guān)于C++實現(xiàn)LeetCode(64.最小路徑和)的文章就介紹到這了,更多相關(guān)C++實現(xiàn)最小路徑和內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: