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?
例如,上图是一个7 x 3 的网格。有多少可能的路径?
示例 1:
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 -> 向右 -> 向下
2. 向右 -> 向下 -> 向右
3. 向下 -> 向右 -> 向右
示例 2:
输入: m = 7, n = 3
输出: 28
提示:
- 1 <= m, n <= 100
- 题目数据保证答案小于等于 2 * 10 ^ 9
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/unique-paths
思路
这个题目和爬楼梯问题很像。
很容易想出递归解法。机器人每次只能向下或者向右移动一步,网格右下角记为终点,到达终点有两种方法: 从终点位置上面往下走一步到达;从左边往右走一步到达。
所以只要用反向的思维就可以写出递归代码了。注意这是一个n行m列的网格。
代码
递归
class Solution(object):
def unique(self, m, n):
# 如果到达了起点,就是一种解法
if m == 0 and n == 0:
return 1
ways = 0
# 如果可以向左回退一步
if m >= 1:
ways = self.unique(m - 1, n)
# 如果可以向上回退一步
if n >= 1:
ways += self.unique(m, n - 1)
return ways
def uniquePaths(self, m, n):
"""
:type m: int
:type n: int
:rtype: int
"""
# 终点是m-1,n-1
return self.unique(m-1,n-1)
虽然思路是对的,但是递归的方式是比较低效的,这里导致了计算超时。参阅LeetCode刷题之动态规划思想,我们可以将其改成记忆化搜索的方式,解决重叠子问题。
记忆化搜索
dp = {(0,0) : 1} #起点
class Solution(object):
def unique(self, m, n):
if (m,n) not in dp:
ways = 0
# 如果可以向左回退一步
if m >= 1:
ways = self.unique(m - 1, n)
# 如果可以向上回退一步
if n >= 1:
ways += self.unique(m, n - 1)
dp[(m,n)] = ways
return dp[(m,n)]
def uniquePaths(self, m, n):
"""
:type m: int
:type n: int
:rtype: int
"""
# 终点是m-1,n-1
return self.unique(m-1,n-1)
动态规划
动态规划的解法也很简单,从起点开始考虑。dp[i][j] = dp[i - 1][j] + dp[i][j - 1]
这句代码表示要达到第[i][j]
个格子,可以有它的左边那么格子或上面那个格子达到。
我们只要处理好边界值,整个代码就很清爽。这点先处理边界值的思想也体现在了64. 最小路径和问题里面。
class Solution(object):
def uniquePaths(self, m, n):
# n行 m 列的列表 外层不能使用*,否则会浅拷贝内层
dp = [[0] * m for _ in range(n)]
# 先设定好边界值
for i in range(0, n):
dp[i][0] = 1
for j in range(1, m):
dp[0][j] = 1
for i in range(1, n):
for j in range(1, m):
# dp[i][j] = 左边一步加上面一步的结果
dp[i][j] = dp[i - 1][j] + dp[i][j - 1]
return dp[-1][-1]
刷到了8ms。