Leetcode 63:不同路徑 II(最詳細的解法!!!)
一個機器人位於一個 m x n 網格的左上角 (起始點在下圖中標記為“Start” )。
機器人每次只能向下或者向右移動一步。機器人試圖達到網格的右下角(在下圖中標記為“Finish”)。
現在考慮網格中有障礙物。那麼從左上角到右下角將會有多少條不同的路徑?
網格中的障礙物和空位置分別用 1
和 0
來表示。
說明: m 和 n 的值均不超過 100。
示例 1:
輸入: [ [0,0,0], [0,1,0], [0,0,0] ] 輸出: 2 解釋: 3x3 網格的正中間有一個障礙物。 從左上角到右下角一共有 2 條不同的路徑: 1. 向右 -> 向右 -> 向下 -> 向下 2. 向下 -> 向下 -> 向右 -> 向右
解題思路
這個問題是之前Leetcode 62:不同路徑(最詳細的解法!!!) 的一個衍生。僅僅在原來問題的基礎之上新增一個判斷就可以解決。但是還有一個細節的地方需要注意,我們原先的邊界條件是
if row == m - 1 or col == n - 1: return 1
但是這個問題不同,例如這種情況
0 1
1 0
顯然,對於(0,1)
和(1,0)
這兩個點來說,我們沒有路徑到達終點。所以,對於這個問題的邊界條件要變成
if row == m - 1 and col == n - 1: return 1
並且,我們要在一開始判斷obstacleGrid[-1][-1]
是否為0
。最終程式碼為
class Solution:
def uniquePathsWithObstacles(self, obstacleGrid):
"""
:type obstacleGrid: List[List[int]]
:rtype: int
"""
if not obstacleGrid or obstacleGrid[-1][-1]:
return 0
m, n = len(obstacleGrid), len(obstacleGrid[0])
return self._obstacleGrid(obstacleGrid, m, n, 0, 0)
def _obstacleGrid(self, grid, m, n, row, col):
if row == m - 1 and col == n - 1:
return 1
if row >= m or col >= n or grid[row][col] == 1:
return 0
return self._obstacleGrid(grid, m, n, row + 1, col) + self._obstacleGrid(grid, m, n, row, col + 1)
但是這樣做存在著大量的重複運算(在哪呢?)。我們可以通過記憶化搜尋的方式來優化上面的問題。我們通常的寫法如下
class Solution:
def uniquePathsWithObstacles(self, obstacleGrid):
"""
:type obstacleGrid: List[List[int]]
:rtype: int
"""
if not obstacleGrid or obstacleGrid[-1][-1]:
return 0
m, n = len(obstacleGrid), len(obstacleGrid[0])
mem = [[None]*n for _ in range(m)]
return self._obstacleGrid(obstacleGrid, m, n, 0, 0, mem)
def _obstacleGrid(self, grid, m, n, row, col, mem):
if row == m - 1 and col == n - 1:
return 1
if row >= m or col >= n or grid[row][col] == 1:
return 0
if row < m and col < n and mem[row][col] != None:
return mem[row][col]
mem[row][col] = self._obstacleGrid(grid, m, n, row + 1, col, mem) + \
self._obstacleGrid(grid, m, n, row, col + 1, mem)
return mem[row][col]
這裡的實現上我們要注意一個細節
if row < m and col < n and mem[row][col] != None:
而不是
if row < m and col < n and mem[row][col]:
為什麼呢?因為我們的mem
中儲存了0
。另外我們除了通過list
實現mem
外,還可以通過dict
實現。
class Solution:
def uniquePathsWithObstacles(self, obstacleGrid):
"""
:type obstacleGrid: List[List[int]]
:rtype: int
"""
if not obstacleGrid or obstacleGrid[-1][-1]:
return 0
m, n = len(obstacleGrid), len(obstacleGrid[0])
mem = dict()
return self._obstacleGrid(obstacleGrid, m, n, 0, 0, mem)
def _obstacleGrid(self, grid, m, n, row, col, mem):
tmp = '{}, {}'.format(row, col)
if row == m - 1 and col == n - 1:
return 1
if row >= m or col >= n or grid[row][col] == 1:
return 0
if tmp in mem:
return mem[tmp]
mem[tmp] = self._obstacleGrid(grid, m, n, row + 1, col, mem) + \
self._obstacleGrid(grid, m, n, row, col + 1, mem)
return mem[tmp]
我們同樣可以通過迭代的寫法,同樣也是動態規劃的方法求解這個問題。對於x > 1 and y > 1
的點來說,它們的路徑就是(x-1, y) + (x, y-1)
,而對於邊界的點來說,路徑為(x-1, y) or (x, y-1)
。對與1
的障礙來說,路徑為0
,那麼我們很容易寫出下面的程式碼
class Solution:
def uniquePathsWithObstacles(self, obstacleGrid):
"""
:type obstacleGrid: List[List[int]]
:rtype: int
"""
m, n = len(obstacleGrid), len(obstacleGrid[0])
mem = [[0]*n for _ in range(m)]
mem[0][0] = 1
for i in range(m):
for j in range(n):
if obstacleGrid[i][j] == 0:
if j:
mem[i][j] += mem[i][j - 1]
if i:
mem[i][j] += mem[i - 1][j]
else:
mem[i][j] = 0
return mem[m - 1][n - 1]
對於這個問題最好的解法是自底向上找路徑,也就是從終點出發尋找起始點。所以我們對上面遞迴的過程稍加修改即可
class Solution:
def uniquePathsWithObstacles(self, obstacleGrid):
"""
:type obstacleGrid: List[List[int]]
:rtype: int
"""
m, n = len(obstacleGrid), len(obstacleGrid[0])
if not obstacleGrid or obstacleGrid[0][0]:# modify
return 0
return self._obstacleGrid(obstacleGrid, m - 1, n - 1)
def _obstacleGrid(self, grid, m, n):
if m == 0 and n == 0:
return 1
if m < 0 or n < 0 or grid[m][n] == 1:
return 0
return self._obstacleGrid(grid, m - 1, n) + self._obstacleGrid(grid, m, n - 1)
同樣這個問題我們也可以使用記憶化搜尋的方式
class Solution:
def uniquePathsWithObstacles(self, obstacleGrid):
"""
:type obstacleGrid: List[List[int]]
:rtype: int
"""
if not obstacleGrid or obstacleGrid[0][0]:# modify
return 0
m, n = len(obstacleGrid), len(obstacleGrid[0])
mem = [[None]*n for _ in range(m)]
return self._obstacleGrid(obstacleGrid, m, n, m - 1, n - 1, mem)
def _obstacleGrid(self, grid, m, n, row, col, mem):
if row == 0 and col == 0:
return 1
if row < 0 or col < 0 or grid[row][col] == 1:
return 0
if row < m and col < n and mem[row][col] != None:
return mem[row][col]
mem[row][col] = self._obstacleGrid(grid, m, n, row - 1, col, mem) +\
self._obstacleGrid(grid, m, n, row, col - 1, mem)
return mem[row][col]
這裡要注意的是上面這個問題實現的細節
if row < 0 or col < 0 or grid[row][col] == 1:
return 0
if row < m and col < n and mem[row][col]:
return mem[row][col]
這兩個判斷的順序不能做調整,為什麼?因為-1
在python
中是有意義的,如果調換的話,-1
會進入第一個判斷中,實際上我們希望返回0
,顯然同我們希望的不符。同樣的我們也可以和前面一樣,通過dict
去實現
class Solution:
def uniquePathsWithObstacles(self, obstacleGrid):
"""
:type obstacleGrid: List[List[int]]
:rtype: int
"""
if not obstacleGrid or obstacleGrid[0][0]:# modify
return 0
m, n = len(obstacleGrid), len(obstacleGrid[0])
mem = dict()
return self._obstacleGrid(obstacleGrid, m, n, m - 1, n - 1, mem)
def _obstacleGrid(self, grid, m, n, row, col, mem):
tmp = '{}, {}'.format(row, col)
if tmp in mem:
return mem[tmp]
if row == 0 and col == 0:
return 1
if row < 0 or col < 0 or grid[row][col] == 1:
return 0
mem[tmp] = self._obstacleGrid(grid, m, n, row - 1, col, mem) +\
self._obstacleGrid(grid, m, n, row, col - 1, mem)
return mem[tmp]
同樣的,我們也可以通過相同的手法,寫出遞迴的演算法
class Solution:
def uniquePathsWithObstacles(self, obstacleGrid):
"""
:type obstacleGrid: List[List[int]]
:rtype: int
"""
m, n = len(obstacleGrid), len(obstacleGrid[0])
mem = [[0]*n for _ in range(m)]
for i in range(m):
for j in range(n):
if not obstacleGrid[i][j]:
if i or j:
mem[i][j] = mem[i - 1][j] + mem[i][j - 1]
else:
mem[i][j] = 1
return mem[-1][-1]
終於這個問題被我們徹底的解決了。o( ̄▽ ̄)o
如有問題,希望大家指出!!!