63. 不同路径 II - 力扣(LeetCode)
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。
示例 1:
输入:obstacleGrid = [[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:
1. 向右 -> 向右 -> 向下 -> 向下
2. 向下 -> 向下 -> 向右 -> 向右
示例 2:
输入:obstacleGrid = [[0,1],[0,0]] 输出:1
>>思路
相比这道leetCode 62.不同路径就有了障碍~,其实在有障碍的时候,就是标记对应的dp数组 保持初始值(0)即可!!!
>>动规五部曲
1.确定dp数组(dp table)以及下标的含义
dp[i][j]:表示从(0,0)出发,到(i,j)有dp[i][j]条不同的路径
2.确定递推公式
- 在不是障碍的时候,dp[i][j] = dp[i-1][j] + dp[i][j-1];
- 在是障碍的时候,那么(i,j)就保持初始状态(初始状态为0)
if(obstacleGrid[i][j] == 0) { // 当(i,j)没有障碍的时候,再推导dp[i][j]dp[i][j] = dp[i - 1][j] + dp[i][j - 1];
}
3.dp数组初始化
vector<vector<int>> dp(m,vector<int>(n,0));//初始值为0
for(int i = 0;i < m;i++) dp[i][0] = 1;
for(int j = 0;j < n;j++) dp[0][j] = 1;
- 因为从(0,0)的位置到(i,0)的路径一条,即dp[i][0]一定为1;
- 因为从(0,0)的位置到(0,j)的路径一条,即dp[0][j]一定为1;
但如果(i,0)这条边有了障碍之后,障碍之后(包括障碍)都是走不到的位置,那障碍之后的dp[i][0]就应是初始值0
vector<vector<int>> dp(m,vector<int>(n,0));//初始值为0
for(int i = 0;i < m && obstacleGrid[i][0] == 0;i++) dp[i][0] = 1;
for(int j = 0;j < n && obstacleGrid[0][j] == 0;j++) dp[0][j] = 1;
注意for循环的终止条件:
- ① 遇到obstacleGrid[i][0] == 1 则终止dp[i][0]的赋值1的操作
- ② 遇到obstacleGrid[0][j] == 1 则终止dp[0][j]的赋值1的操作
4.确定遍历顺序
从递推公式dp[i][j] = dp[i-1][j] + dp[i][j-1] 中可以看出,一定是从左到右一层一层遍历,可以保证推导dp[i][j]的时候,dp[i-1][j] 和 dp[i][j-1]一定是有数值的
for(int i = 1;i < m;i++) {for(int j = 1;j < n;j++) {if(obstacleGrid[i][j] == 1) continue;dp[i][j] = dp[i-1][j] + dp[i][j-1];}
}
5.举例推导dp数组
class Solution {
public:int uniquePathsWithObstacles(vector<vector<int>>& obstacleGrid) {int m = obstacleGrid.size();int n = obstacleGrid[0].size();if(obstacleGrid[m-1][n-1] == 1 || obstacleGrid[0][0] == 1) //如果在起点或终点出现了障碍,直接返回0return 0;vector<vector<int>> dp(m,vector<int>(n,0));for(int i=0;i<m && obstacleGrid[i][0] == 0;i++) dp[i][0] = 1;for(int j=0;j<n && obstacleGrid[0][j] == 0;j++) dp[0][j] = 1;for(int i=1;i<m;i++) { for(int j=1;j<n;j++) {if(obstacleGrid[i][j] == 1) continue;dp[i][j] = dp[i-1][j] + dp[i][j-1];}}return dp[m-1][n-1];}
};// 时间复杂度:O(m x n) m、n分别为 obstacleGrid 的宽度和长度
// 空间复杂度:O(m x n)
- 时间复杂度:O(m x n) m、n分别为 obstacleGrid 的宽度和长度
- 空间复杂度:O(m x n)
进一步空间优化:
class Solution {
public:int uniquePathsWithObstacles(vector<vector<int>>& obstacleGrid) {if(obstacleGrid[0][0] == 1) return 0;int m = obstacleGrid.size();int n = obstacleGrid[0].size();vector<int> dp(n);for(int j = 0;j < n;j++) {if(obstacleGrid[0][j] == 1)dp[j] = 0;else if(j == 0)dp[j] = 1;elsedp[j] = dp[j-1];}for(int i = 1;i < m;++i) {for(int j = 0;j < n;++j) {if(obstacleGrid[i][j] == 1) dp[j] = 0;else if(j!=0) dp[j] = dp[j] + dp[j-1];}}return dp.back();}// 时间复杂度:O(m x n) m、n分别为 obstacleGrid 的宽度和长度// 空间复杂度:O(n)
};
- 时间复杂度:O(m x n) m、n分别为 obstacleGrid 的宽度和长度
- 空间复杂度:O(n)
来自代码随想录的课堂截图:
参考和推荐文章、视频:
动态规划,这次遇到障碍了| LeetCode:63. 不同路径 II_哔哩哔哩_bilibili
代码随想录 (programmercarl.com)
我的往期文章: leetCode 62.不同路径 动态规划 + 空间复杂度优化_呵呵哒( ̄▽ ̄)"的博客-CSDN博客