题目描述
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。
说明:m 和 n 的值均不超过 100。
示例 1:
输入: [ [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
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/unique-paths-ii
解题思路
我们用 来表示从座标 到座标 的路径总数, 表示座标 是否可行,如果座标 有障碍物,,否则 。
因为机器人每次只能向下或者向右移动一步
,所以 到座标 的路径总数的值只取决于从座标 到座标 的路径总数和从座标 到座标 的路径总数,即 只能通过 和 转移得到。
当座标 本身有障碍的时候:任何路径都到到不了 ,此时 。
当座标 没有障碍的时候:如果座标 没有障碍,那么就意味着从座标 可以走到 ,即 位置对 的贡献为 ;同理,当座标 没有障碍的时候, 位置对 的贡献为 。
综上所述,我们可以得到这样的动态规划转移方程:
由于这里 只与 和 相关,我们可以运用滚动数组思想
把空间复杂度优化称 。
滚动数组思想是一种常见的动态规划优化方法,在题目中已经多次使用到,例如「剑指 Offer 46. 把数字翻译成字符串」、「70. 爬楼梯」等,当定义的状态在动态规划的转移方程中只和某几个状态相关的时候,就可以考虑这种优化方法,目的是给空间复杂度「降维」。
- 复杂度分析
- 时间复杂度:,其中 为网格的行数, 为网格的列数。我们只需要遍历所有网格一次即可。
- 空间复杂度:。利用滚动数组优化,我们可以只用 大小的空间来记录当前行的 值。
代码实现
class Solution(object):
def uniquePathsWithObstacles(self, obstacleGrid):
"""
:type obstacleGrid: List[List[int]]
:rtype: int
"""
m = len(obstacleGrid)
n = len(obstacleGrid[0])
dp = [1] + [0]*(n-1)
for i in range(m):
for j in range(n):
if j == 0:
dp[j] = 0 if obstacleGrid[i][j] else dp[j]
else:
dp[j] = 0 if obstacleGrid[i][j] else dp[j] + dp[j-1]
return dp[-1]
Tips
怎么想到用动态规划来解决这个问题呢?我们需要从问题本身出发,寻找一些有用的信息,例如本题中:
- 位置只能从 和 走到,这样的条件就是在告诉我们这里转移是
无后效性
的, 和任何的 无关。 - 动态规划的题目分为两大类,一种是
求最优解类
,典型问题是揹包问题,另一种就是计数类
,比如这里的统计方案数的问题,它们都存在一定的递推性质
。前者的递推性质还有一个名字,叫做最优子结构
——即当前问题的最优解取决于子问题的最优解,后者类似,当前问题的方案数取决于子问题的方案数。所以在遇到求方案数的问题时,我们可以往动态规划的方向考虑。
通常如果我们察觉到了这两点要素,这个问题八成可以用动态规划来解决。
根据官方题解总结。