多路径网格问题的解决策略:比较五种不同算法【python力扣62题】

题目描述

一个机器人位于一个 m x n 网格的左上角(起始点在下图标记为 “Start” )。机器人每次只能向下或向右移动一步。机器人试图达到网格的右下角(在下图标记为 “Finish”)。问总共有多少条不同的路径?

输入格式
  • m:网格的行数。
  • n:网格的列数。
输出格式
  • 返回一个整数,表示所有可能的路径数量。

示例

示例 1
输入: m = 3, n = 7
输出: 28
示例 2
输入: m = 3, n = 2
输出: 3
解释:
从左上角开始,总共有 3 条路径可以到达右下角。
1. 向右 -> 向右 -> 向下
2. 向右 -> 向下 -> 向右
3. 向下 -> 向右 -> 向右

方法一:动态规划

解题步骤
  1. 初始化状态:创建一个二维数组 dp,其中 dp[i][j] 表示到达点 (i, j) 的路径数量。
  2. 边界条件:网格的第一行和第一列的路径数都是 1,因为只有一种方式到达(要么一直向右,要么一直向下)。
  3. 状态转移:对于其他位置,路径数 dp[i][j] 等于从左边来的路径数加上从上面来的路径数,即 dp[i][j] = dp[i-1][j] + dp[i][j-1]
  4. 返回结果dp[m-1][n-1] 即为所求结果。
完整的规范代码
def uniquePaths(m, n):"""使用动态规划解决不同路径问题:param m: int, 网格的行数:param n: int, 网格的列数:return: int, 不同的路径数量"""dp = [[1] * n for _ in range(m)]for i in range(1, m):for j in range(1, n):dp[i][j] = dp[i-1][j] + dp[i][j-1]return dp[m-1][n-1]# 示例调用
print(uniquePaths(3, 7))  # 输出: 28
print(uniquePaths(3, 2))  # 输出: 3
算法分析
  • 时间复杂度:(O(m * n)),需要填充一个 mn 列的矩阵。
  • 空间复杂度:(O(m * n)),使用了一个同样大小的二维数组作为动态规划表。

方法二:空间优化的动态规划

解题步骤
  1. 使用一维数组:利用一维数组 dp 来保存上一行的结果,降低空间复杂度。
  2. 迭代更新:对每一行使用相同的数组进行迭代更新,dp[j] 代表当前行第 j 列的路径数,更新公式仍为 dp[j] = dp[j] + dp[j-1]
  3. 初始化dp 的所有元素初始化为 1。
完整的规范代码
def uniquePaths(m, n):"""使用一维数组进行动态规划:param m: int, 网格的行数:param n: int, 网格的列数:return: int, 不同的路径数量"""dp = [1] * nfor i in range(1, m):for j in range(1, n):dp[j] += dp[j - 1]return dp[-1]# 示例调用
print(uniquePaths(3, 7))  # 输出: 28
print(uniquePaths(3, 2))  # 输出: 3
算法分析
  • 时间复杂度:(O(m * n)),需要迭代更新数组 m-1 次,每次迭代有 n-1 步。
  • 空间复杂度:(O(n)),使用了一个长度为 n 的一维数组。

方法三:数学组合方法

解题步骤
  1. 计算组合数:从起点到终点需要走 m+n-2 步,其中 m-1 步向下,n-1 步向右,问题转化为计算从 m+n-2 步中选择 m-1 步的组合数。
  2. 使用公式计算:使用组合数公式 C(k, n) = n! / (k! * (n-k)!) 来计算结果。
完整的规范代码
def uniquePaths(m, n):"""使用数学组合的方法解决不同路径问题:param m: int, 网格的行数:param n: int, 网格的列数:return: int, 不同的路径数量"""from math import factorialreturn factorial(m + n - 2) // (factorial(m - 1) * factorial(n - 1))# 示例调用
print(uniquePaths(3, 7))  # 输出: 28
print(uniquePaths(3, 2))  # 输出: 3
算法分析
  • 时间复杂度:(O(m + n)),计算阶乘的时间复杂度。
  • 空间复杂度:(O(1)),除输入外不需要额外的存储空间。

方法四:深度优先搜索(DFS)

解题步骤
  1. DFS递归:从起点开始,递归地探索所有向右和向下的路径。
  2. 终止条件:当到达终点时,路径计数增加。
  3. 优化:使用记忆化存储已经计算过的位置的路径数,避免重复计算。
完整的规范代码
def uniquePaths(m, n):"""使用DFS和记忆化搜索解决不同路径问题:param m: int, 网格的行数:param n: int, 网格的列数:return: int, 不同的路径数量"""memo = {}def dfs(x, y):if (x, y) in memo:return memo[(x, y)]if x == m - 1 and y == n - 1:return 1paths = 0if x < m - 1:paths += dfs(x + 1, y)if y < n - 1:paths += dfs(x, y + 1)memo[(x, y)] = pathsreturn pathsreturn dfs(0, 0)# 示例调用
print(uniquePaths(3, 7))  # 输出: 28
print(uniquePaths(3, 2))  # 输出: 3
算法分析
  • 时间复杂度:(O(m * n)),使用记忆化后避免了重复计算。
  • 空间复杂度:(O(m * n)),使用了额外的哈希表来存储中间结果。

方法五:广度优先搜索(BFS)

解题步骤
  1. 队列实现BFS:使用队列存储每个位置和到达该位置的路径数量。
  2. 逐层扩展:从起点开始,逐层扩展到可达的右侧和下侧格子。
  3. 累加路径数:到达终点的路径数累加。
完整的规范代码
from collections import dequedef uniquePaths(m, n):"""使用BFS解决不同路径问题:param m: int, 网格的行数:param n: int, 网格的列数:return: int, 不同的路径数量"""queue = deque([(0, 0)])paths = [[0] * n for _ in range(m)]paths[0][0] = 1while queue:x, y = queue.popleft()for dx, dy in [(1, 0), (0, 1)]:nx, ny = x + dx, y + dyif 0 <= nx < m and 0 <= ny < n:if paths[nx][ny] == 0:queue.append((nx, ny))paths[nx][ny] += paths[x][y]return paths[m-1][n-1]# 示例调用
print(uniquePaths(3, 7))  # 输出: 28
print(uniquePaths(3, 2))  # 输出: 3
算法分析
  • 时间复杂度:(O(m * n)),每个节点入队出队一次。
  • 空间复杂度:(O(m * n)),存储每个位置的路径数及队列的空间需求。

不同算法的优劣势对比

特征方法一: 动态规划方法二: 空间优化DP方法三: 数学组合方法四: DFS方法五: BFS
时间复杂度(O(m * n))(O(m * n))(O(m + n))(O(m * n))(O(m * n))
空间复杂度(O(m * n))(O(n))(O(1))(O(m * n))(O(m * n))
优势直观,易理解空间效率高计算最快,非迭代灵活,适用于复杂边界层次清晰,适用于大规模
劣势空间占用高优化限于列对大数处理有限制时间空间成本高需要额外存储空间

应用示例

游戏开发中的路径发现
在策略游戏或迷宫游戏中,开发者可以利用这些算法来计算从起点到终点的所有可能路径,为游戏的AI决策提供支持,比如在自动生成的迷宫中计算最优路径或在战略游戏中规划单位的行动路线。这些算法提供了不同的效率和实现复杂度,使得开发者可以根据具体游戏场景和性能要求选择最适合的方法。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/2528.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

MySQL生成日期序列与表关联的 SQL 查询

1、内部日期序列生成 首先&#xff0c;让我们看一下内部日期序列的生成部分。这部分的作用是创建从 2024 年 4 月 1 日开始的日期序列&#xff0c;直到 2024 年 12 月 31 日。SQL 使用 DATE_ADD 函数和一个嵌套的子查询来生成这个日期序列。 SELECT DATE_ADD(2024-04-01, INT…

图书租赁系统-借阅图书

图中展示了所有可以借阅的图书&#xff0c;点击“借阅”按钮便可以借阅图书。 借阅成功后&#xff0c;可以到bookorder菜单中阅读该书。 阅读功能待开发。 add.html借阅图书页面 <!DOCTYPE html> <html lang"zh" xmlns:th"http://www.thymeleaf.org…

学习经验分享【33】YOLOv5 / YOLOv7 / YOLOv8 / YOLOv9 / RTDETR 基于 Pyside6 的图形化界面

大论文可以写两章关于算法创新模型&#xff0c;最后一章可以写对前两章提出方法进行封装&#xff0c;利用PyQT5搭建YOLOv5可视化界面&#xff0c;并打包成exe程序&#xff0c;构建检测平台实现简单的应用。用来凑大论文的字数和工作量&#xff0c;是简单又快速的方法&#xff0…

如何使用国内手机号免费注册一个美区 Apple ID?

因为一些众所周知的原因&#xff0c;在国内使用 iPhone 是被阉割过的&#xff0c;如果想要用完全版就需要用到美区账号&#xff0c;废话不多说直接上图。 在 iPhone 的浏览器上打开链接进行注册 https://appleid.apple.com/account 如果注册提示&#xff1a;Your request cou…

SpringCloud注册nacos错误:Could not resolvplaceholder ‘xxxxx‘ in value “xxxx“

这个错误是我在做spirngcloud注册服务到nacos时发现的&#xff0c;算是折磨我折磨了好久&#xff0c;最后发现了还是先记录一下&#xff0c;首先还是说一下我的项目版本信息&#xff0c;因为不同的版本就有这不同的解决方案&#xff0c;这也是最恶心的一点&#xff0c;以至于我…

【Mysql】Mysql8存储引擎优化与锁和事务管理优化

前一篇博文介绍了Mysql8优化的总体方向&#xff0c;这一篇我们就其中比较重点的内容存储引擎优化与锁和事务管理优化做重点讲解。 一、存储引擎优化 InnoDB 是 MySQL 默认的存储引擎&#xff0c;广泛用于生产环境中&#xff0c;因其支持事务处理、行级锁定和外键等特性而受到…

基于RT-Thread的智能家居助手

一、项目简介 智能家居助手主要基于RT-Thread开发的&#xff0c;该系统主要分为语音子系统&#xff0c;环境监测子系统&#xff0c;智能控制子系统&#xff0c;智能网关子系统&#xff0c;音乐播放器&#xff0c;云端以及应用软件七大部分。语音子系统可通过语音进行人机交互来…

OpenCV——图像分块局部阈值二值化

目录 一、算法原理1、算法概述2、参考文献 二、代码实现三、结果展示 OpenCV——图像分块局部阈值二值化由CSDN点云侠原创&#xff0c;爬虫自重。如果你不是在点云侠的博客中看到该文章&#xff0c;那么此处便是不要脸的爬虫。 一、算法原理 1、算法概述 针对目前局部阈值二值…

from_pretrained明明以及下载好模型,却突然不能加载了报错

本人报错&#xff1a;OSError: Error no file named model_index.json found in directory /home/xxx/我的python学习/textToImage/sdxl-turbo. 原因&#xff1a;路径错误导致无法加载模型的配置文件 pipe AutoPipelineForText2Image.from_pretrained("stabilityai/sdx…

HORROR SYSTEM

HORROR SYSTEM是一个创新的工具包,允许开发者在Unity3D中创建独特的原创恐怖游戏。 HORROR SYSTEM是一款强大而灵活的工具,旨在基于Unity3D引擎创建沉浸式第三人称恐怖游戏。 这项资产易于使用且直观,可以让任何经验水平的开发人员将他们的想法付诸实践,创造出高质量、充满…

文献速递:深度学习胶质瘤诊断---空间细胞结构预测胶质母细胞瘤的预后

Title 题目 Spatial cellular architecture predicts prognosis in glioblastoma 空间细胞结构预测胶质母细胞瘤的预后 01文献速递介绍 胶质母细胞瘤的治疗耐药性的关键驱动因素是肿瘤内的异质性和细胞状态的可塑性。在这里&#xff0c;我们调查了空间细胞组织与胶质母细胞瘤…

python爬虫 - 爬取html中的script数据(zum.com新闻信息 )

文章目录 1. 分析页面内容数据格式2. 使用re.findall方法&#xff0c;编写爬虫代码3. 使用re.search 方法&#xff0c;编写爬虫代码 1. 分析页面内容数据格式 &#xff08;1&#xff09;打开 https://zum.com/ &#xff08;2&#xff09;按F12&#xff08;或 在网页上右键 --…

C++中的五种高级初始化技术:从reserve到piecewise_construct等

C高级初始化技术&#xff1a;reserve、emplace_back、constinit、Lambda表达式、piecewise_construct 一、简介二、reserve 结合 emplace_back三、C 20的constinit四、Lambda表达式和初始化五、make_unique_for_overwrite六、piecewise_construct 和 forward_as_tuple七、总结 …

SpringBoot xxl-job 任务调度

首先官网下载xxl-job的源代码&#xff0c;然后切换到jdk8&#xff0c;等Maven下载依赖 执行mysql的脚本&#xff0c;修改连接配置&#xff0c;启动admin站点 默认地址 http://localhost:8080/xxl-job-admin/ 先新增一个任务执行器&#xff0c;指向未来任务代码的站点 然后在…

Vue.js应用中的多元化通信策略:10+种方法深度解析

Vue.js应用中的多元化通信策略&#xff1a;10种方法深度解析 在构建复杂且交互丰富的Vue 2.x应用程序时&#xff0c;有效的组件间通信是确保数据流通、状态同步与逻辑协调的关键。本文将深入探讨超过10种适用于Vue 2.x的应用内通信方法&#xff0c;覆盖父子组件、兄弟组件、跨…

探索亚马逊云科技「生成式 AI 精英速成计划」

目录 前言「生成式 AI 精英速成计划」技术开发课程学习课程学习 总结 前言 亚马逊云科技&#xff08;Amazon Web Services&#xff0c;简称AWS&#xff09;作为全球领先的云计算服务提供商&#xff0c;一直以来在推动人工智能&#xff08;AI&#xff09;领域的发展中扮演着重要…

04_c/c++开源库 json解析jsoncpp库

1.说明与安装 说明: c json字符解析 安装: sudo apt-get install libjsoncpp-dev 编译依赖 pkg-config --cflags --libs jsoncpp -I/usr/include/jsoncpp -ljsoncpp 编译选项: -I/usr/include/jsoncpp 连接选项: -ljsoncpp 2.实例 1.代码 1_jsonCpp_解析字符串_增.删.改…

IContentService

目录 1、 IContentService 1.1、 // * 保存文章 1.2、 * 发布文章 1.3、 *查询文章返回多条数据 1.4、 * 根据id或slug获取文章 1.5、 * 查询分类/标签下的文章归档 2、 IRelationshipService

Gitea:轻量级、开源的Git仓库管理平台

引言 Gitea是一款开源的、基于Go语言编写的轻量级Git服务器。它提供了类似于GitHub的功能&#xff0c;如代码托管、版本控制、团队协作等&#xff0c;但更加轻便和易于部署。Gitea的设计初衷是为了让团队或个人能够更方便地管理和分享自己的代码&#xff0c;同时不需要花费大量…

MATLAB将多张小图整合到一张大图形成模板图

MATLAB将多张小图整合到一张大图形成模板图 代码如下: clc;close all;clear all;warning off;%清除变量 rand(seed, 100); randn(seed, 100); format long g;foldername字符模板; [datacell,filenamecell,filenameAllcell]readfun_1n(foldername); K2length(filenamecell);% …