面试刷题-动态规划-求解最短路径

题目描述

给定一个包含非负整数的 m x n 网格 grid ，请找出一条从左上角到右下角的路径，使得路径上的数字总和为最小。

说明：每次只能向下或者向右移动一步。

示例 1：

输入：grid = [[1,3,1],[1,5,1],[4,2,1]]
输出：7
解释：因为路径 1→3→1→1→1 的总和最小

示例 2：

输入：grid = [[1,2,3],[4,5,6]]
输出：12

题目分析
这是一个典型的动态规划的题目。每个元素对应的最小路径与其相邻元素对应的最小路径有关。

具体实现上，创建二维数组 dp，与原始网格的大小相同，dp[i][j]表示从左上角出发到(i,j)位置的最小路径和。显然，dp[0][0]=grid[0][0]。对于dp中的其余元素，通过以下状态转移方程计算元素值。

当i>0且j=0时，dp[i][0]=dp[i−1][0]+grid[i][0]。
当i=0且j>0时，dp[0][j]=dp[0][j−1]+grid[0][j]。
当i>0且j>0时，dp[i][j]=min(dp[i−1][j],dp[i][j−1])+grid[i][j]。

最后得到dp[m−1][n−1]的值即为从网格左上角到网格右下角的最小路径和。

实现代码
我实现的代码：

class Solution {
public:
    int minPathSum(vector>& grid) {
        if (grid.size() == 0 || grid[0].size() == 0) {
            return 0;
        }

        std::vector > sum(row, std::vector(col, 0));

        for (int i = 0; i < row; ++i) {
            for (int j = 0; j < col; ++j) {
                if (i == 0 && j == 0) {
                    sum[i][j] = grid[i][j];
                } else if (i == 0 && j > 0) {
                    sum[i][j] = sum[i][j - 1] + grid[i][j];
                } else if (i > 0 && j == 0) {
                    sum[i][j] = sum[i - 1][j] + grid[i][j];
                } else {
                    sum[i][j] = std::min(sum[i][j - 1] + grid[i][j], sum[i - 1][j] + grid[i][j]);
                }
            }
        }
        return sum[row - 1][col - 1];
    }
};

官方实现的代码：

class Solution {
public:
    int minPathSum(vector>& grid) {
        if (grid.size() == 0 || grid[0].size() == 0) {
            return 0;
        }

        int rows = grid.size(), columns = grid[0].size();
        auto dp = vector < vector  > (rows, vector  (columns));
        dp[0][0] = grid[0][0];
        for (int i = 1; i < rows; i++) {
            dp[i][0] = dp[i - 1][0] + grid[i][0];
        }
        for (int j = 1; j < columns; j++) {
            dp[0][j] = dp[0][j - 1] + grid[0][j];
        }
        for (int i = 1; i < rows; i++) {
            for (int j = 1; j < columns; j++) {
                dp[i][j] = min(dp[i - 1][j], dp[i][j - 1]) + grid[i][j];
            }
        }
        return dp[rows - 1][columns - 1];
    }
};

复杂度分析
时间复杂度：O(mn)，其中m和 n分别是网格的行数和列数。需要对整个网格遍历一次，计算dp的每个元素的值。

空间复杂度：O(mn)，其中m和n分别是网格的行数和列数。创建一个二维数组 dp和网格大小相同。

空间复杂度可以优化，例如每次只存储上一行的dp值，则可以将空间复杂度优化到 O(n)。

优化空间复杂度到O(n)的代码实现:

class Solution {
public:
    int minPathSum(vector>& grid) {
        if (grid.size() == 0 || grid[0].size() == 0) {
            return 0;
        }

        int rows = grid.size();
        int columns = grid[0].size();
        auto dp = vector(columns);

        dp[0] = grid[0][0];
        for (int i = 1; i < columns; i++) {
            dp[i] = dp[i - 1] + grid[0][i];
        }

        for (int j = 1; j < rows; j++) {
            dp[0] = dp[0] + grid[j][0];
            for (int k = 1; k < columns; k++) {
                dp[k] = std::min(dp[k] + grid[j][k], dp[k - 1] + grid[j][k]);
            }
        }

        return dp[columns - 1];
    }
};