• leetcode刷题(125)——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) 。

    示例 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
    
    • 1
    • 2
    • 3

    在这里插入图片描述

    输入:matrix = [[-19,57],[-40,-5]]
    输出:-59
    解释:如图所示,为和最小的下降路径
    
    • 1
    • 2
    • 3

    提示:

    n == matrix.length == matrix[i].length
    1 <= n <= 100
    -100 <= matrix[i][j] <= 100

    动态规划

    分析

    我们用 dp(r, c) 表示从位置为 (r, c) 的元素开始的下降路径最小和。根据题目的要求,位置 (r, c) 可以下降到 (r + 1, c - 1),(r + 1, c) 和 (r + 1, c + 1) 三个位置(先不考虑超出数组边界的情况),因此状态转移方程为:

    dp(r, c) = A[r][c] + min{dp(r + 1, c - 1), dp(r + 1, c), dp(r + 1, c + 1)}

    由于下降路径可以从第一行中的任何元素开始,因此最终的答案为min dp(0, c)

    算法

    我们可以直接在原数组 A 上计算 dp(r, c),因为最后一行 A 的值就是 dp 的值 。因此我们从倒数第二行开始,从下往上进行动态规划,状态转移方程为:

    A[r][c] = A[r][c] + min{A[r + 1][c - 1], A[r + 1][c], A[r + 1][c + 1]}

    注意需要处理超出边界的情况,即在第一列和最后一列只能下降到两个位置。

    我们用一个例子来解释动态规划的正确性。假设数组 A 为 [[1,1,1],[5,3,1],[2,3,4]],我们现在在位置 (1, 0) 有 A[1][0] = 5,可以选择下降到位置 (2, 0) 选择元素 2,或者下降到位置 (2, 1) 选择元素 3。由于 2 比 3 小,因此我们选择下降到位置 (2, 0),有dp(1, 0) = 5 + 2 = 7。

    在依次处理完位置 (1, 0),(1, 1) 和 (1, 2) 后,数组 A 变成了 [[1,1,1],[7,5,4],[2,3,4]]。我们继续向上处理位置 (0, 0),(0, 1) 和 (0, 2),最终数组 A 为 [[6,5,5],[7,5,4],[2,3,4]],因此最终的答案为 min(A[0]) = 5。

    class Solution {
        public int minFallingPathSum(int[][] A) {
            int N = A.length;
            for (int r = N-2; r >= 0; --r) {
                for (int c = 0; c < N; ++c) {
                    // best = min(A[r+1][c-1], A[r+1][c], A[r+1][c+1])
                    int best = A[r+1][c];
                    if (c > 0)
                        best = Math.min(best, A[r+1][c-1]);
                    if (c+1 < N)
                        best = Math.min(best, A[r+1][c+1]);
                    A[r][c] += best;
                }
            }
    
            int ans = Integer.MAX_VALUE;
            for (int x: A[0])
                ans = Math.min(ans, x);
            return ans;
        }
    }
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21

    复杂度分析

    时间复杂度:O(N^2),其中 N 是数组 A 的边长。

    空间复杂度:O(N^2)。如果考虑的是额外空间复杂度,那么在使用数组 A 直接计算 dp 值时,额外空间复杂度为 O(1)。

  • 相关阅读:
    Linux服务器部署JavaWeb后端项目
    基于LSCF和LSFD算法在频域中识别快速实现的MIMO研究(Matlab代码实现)
    技术尝鲜:turbopack
    解读 --- Span<T>
    Fast Large-Scale Trajectory Clustering(VLDB2019)
    SpringBoot-组件配置/自动配置原理/Lombok
    MySQL 快速入门之第二章 数据类型、建表以及约束
    FastGPT | 3分钟构建属于自己的AI智能助手
    前端实现文件下载的方法
    基于协作搜索算法的函数寻优及工程优化
  • 原文地址:https://blog.csdn.net/u012124438/article/details/127714529