标签:一个 public 不同 时间 path for 超时 好的 pat
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?
对于这种类似于寻路的问题,有这么几种方式
用递归的方法来解决这道题,从逻辑上很容易理解。
初始一个[n x m]的全0二维数组用来记录到达每一个格子的路径数,
然后从起点开始,按照规则(向右或向下)进行寻路,每到一个格子,都将当前格子的路径数加1,直到最右下角的的格子退出。
等所有递归都完成,我们就获得了一个 记录每个格子路径数的 二维数组了。
代码如下:
class Solution {
public int uniquePaths(int m, int n) {
int[][] count = new int[n][m];//记录到达每一个位置的路径数量
findPath(count,0,0); //递归入口
return count[n-1][m-1];
}
//递归入口 , m n 记录当前格子位置
private void findPath(int[][] count, int m, int n) {
if (m > count[0].length - 1 || n > count.length - 1) {//先写递归退出条件
return;
}
count[n][m] = count[n][m]+1;
findPath(count,m+1,n);//往右探路
findPath(count,m,n+1); //往左探路
}
}
当然不出所料,提交的时候提示运行超时。出错时的入参为 m : 51 n : 9
因为递归往往在逻辑上很好理解,但终究不是一个很好的算法,太多的二分路径让计算量指数上升。
可以体会一下不断增大m或n ,所获得的结果有多大。
思想: 把一个大问题不断分解成小问题。通俗点就是,既然无法一口吃完一个大馒头,那就一小口一小口吃。
用dp[n][m] 二维数组记录所有格子的路径数。
class Solution {
public int uniquePaths(int m, int n) {
int[][] dp = new int[n][m];//记录到达每一个位置的路径数量
for(int i = 0; i < dp[0].length;i++){//第一行每一个位置的路径只有1种
dp[0][i] = 1;
}
for(int i = 0; i < dp.length;i++){//第一列每一个位置的路径只有1种
dp[i][0] = 1;
}
//其他每个位置能到达的方式,只能从上或从左边到达,所以路径数为上和左的和
for(int i = 1; i < dp.length; i++){
for(int j = 1; j < dp[0].length; j++){
dp[i][j] = dp[i-1][j] + dp[i][j-1];
}
}
return dp[n-1][m-1];
}
}
此动态规划算法的时间复杂度为O(m*n),空间复杂度为O(m*n) 因为我们用了一个二维数组记录路径数。
在此可进行优化,使空间复杂度为O(min(m,n)) 。
方式是,不在使用二维数组记录,而是使用一个数组记录一行 或者 一列。
具体代码不写,推荐 左程云的《程序员代码面试指南》,上面有关于dp算法的优化及详释。
标签:一个 public 不同 时间 path for 超时 好的 pat
原文地址:https://www.cnblogs.com/magicya/p/10568941.html