【LeetCode64】最小路径和（简单dp，注意思路-回溯-＞记忆化搜索-＞dp-＞空间压缩）

最新推荐文章于 2021-11-22 23:22:10 发布

山顶夕景

最新推荐文章于 2021-11-22 23:22:10 发布

阅读量761

点赞数 2

CC 4.0 BY-SA版权

分类专栏： LeetCode # 动态规划

本文链接：https://blog.csdn.net/qq_35812205/article/details/117170240

LeetCode 同时被 2 个专栏收录

158 篇文章

订阅专栏

动态规划

24 篇文章

订阅专栏

本文解析了一道涉及动态规划的难题，通过状态转移方程解决从矩阵起点到右下角的最短路径问题，重点讲解了状态定义、转移规则、初始条件和计算顺序，并展示了如何利用空间压缩优化代码实现。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.题目

在这里插入图片描述

2.思路

（1）确定状态
$d p [i] [j]$ 表示从 $(i, j)$ 到右下角（终点）的最短路径

（2）转移方程
在这里插入图片描述
（3）初始条件+边界条件
dp[0][0] = grid[0][0]

（4）计算顺序
i和j均从0开始即可。

注意：

（超级牛逼题解——也要学学回溯->记忆化搜索->dp->空间压缩）

3.代码

class Solution:
    def minPathSum(self, grid: List[List[int]]) -> int:
        m = len(grid) # 行数
        n = len(grid[0]) # 列数
        dp = [[0] * n for k in range(m)]
        dp[0][0] = grid[0][0]
        for i in range(m):
            for j in range(n):
                if i == 0 and j!= 0:# 第一行
                    dp[i][j] = grid[i][j] + dp[i][j - 1]
                elif i != 0 and j == 0: # 第一列
                    dp[i][j] = grid[i][j] + dp[i - 1][j]
                elif i != 0 and j != 0:
                    dp[i][j] = grid[i][j] + min(dp[i - 1][j], dp[i][j - 1])
        return dp[m - 1][n - 1]