最小路径和有两种解法,解法一为不断判断每个位置的移动状态,即是向右移动还是向下移动,如此算法时间复杂度为O(mn)。解法二则利用动态规划的思想,从终点开始不断更新到达终点上一步的最小路径和,从而找到起点到终点的最小路径和,这种解法的时间复杂度为O(n)。本文给出解法二的代码实现。
示例:
图1 最小路径和示例
代码:
class Solution:
def minPathSum(self, grid):
row, col = len(grid), len(grid[0])
res = [[float("inf")] * (col + 1) for r in range(row + 1)]
res[row][col - 1] = 0
for r in range(row - 1, -1, -1):
for c in range(col - 1, -1, -1):
res[r][c] = grid[r][c] + min(res[r + 1][c], res[r][c + 1])
return res[0][0]
解释:
图2 算法解释图
1)res为一个储存当前位置最小路径和的二元数组,举例说明,如图2所示,res[2][2] = 1 + min(res[3][2], res[2][3])。为何要将res[row][col - 1] 设为0,原因在于在计算res[row - 1][col - 1]时res[row - 1][col - 1] = grid[row - 1][col - 1] + min(res[row][col - 1], res[row - 1][col]) ,要想使其=grid[row - 1][col - 1], min(res[row][col - 1], res[row - 1][col])应该为0,故可设置res[row - 1][col]或res[row][col - 1]为0:
for r in range(row - 1, -1, -1):
for c in range(col - 1, -1, -1):
res[r][c] = grid[r][c] + min(res[r + 1][c], res[r][c + 1])
注意:res数组规模为(row + 1) * (col + 1),但数组下标从0开始,在遍历时需注意下标取值范围。
2)最终从起点到终点的最小路径和即储存在res[0][0]中。