Given a triangle, find the minimum path sum from top to bottom. Each step you may move to adjacent numbers on the row below.
For example, given the following triangle
[
[2],
[3,4],
[6,5,7],
[4,1,8,3]
]
The minimum path sum from top to bottom is 11 (i.e., 2 + 3 + 5 + 1 = 11).
Note:
Bonus point if you are able to do this using only O(n) extra space, where n is the total number of rows in the triangle.
思路:
假设第m行,n列的最小值为fun(m,n),其中m>=0, n>=0, 第m行元素个数为number,那么:
if(
m==0){
fun(m,n)=value(m,n)
}
else{
if(
n!=0 && n!=number-1)
fun(m,n)=min{fun(m-1,n), fun(m-1,n-1)}+value(m,n);
else
fun(m,n)=fun(m-1,n)+value(m,n);
}
所以,我们找到了状态转移方程,编程如下:
int minimumTotal(vector
> &triangle) {
int min=0xFFFFFFFF;
int mnum=triangle.size();
int num=triangle[triangle.size()-1].size();
for(int i=0;i
int result = fun(mnum-1,i,triangle);
if(min>result)
min=result;
}
return min;
}
int fun(int m, int n, vector > &triangle){
int number=triangle[m].size();
if(m==0){
return triangle[0][0];
}
else{
if(n!=0 && n!=number-1)
return min(fun(m-1,n,triangle), fun(m-1,n-1,triangle))+triangle[m][n];
else
return fun(m-1,n,triangle)+triangle[m][n];
}
}
但是运行结果是想想原因,就是递归导致了很多重复的操作,按照动态规划的基本原理,可以把递归的结果存起来,然后查表。
动态规划常常适用于有和性质的问题
最优子结构,我的理解,就是问题的解可以通过子问题的解来描述,也就是递归。
重叠子问题,我的理解,就是要是直接用递归的话,很多问题是重复的,所以需要查表,节省时间。分治法就不是,它不需要重复去调用一些递归。
对于上面的题目来说,它需要做的事情就是把结果存起来,存在哪里呢?
可以存在一个全局变量里,也可以存在triangle里。下面是新的解法:
int minimumTotal(vector > &triangle) {
int m_number=triangle.size();
for(int m=0;m
int n_number=triangle[m].size();
for(int n=0;n
if(m>0){
if(n!=0 && n!=n_number-1)
triangle[m][n]= min(triangle[m-1][n], triangle[m-1][n-1])+triangle[m][n];
else
triangle[m][n]= triangle[m-1][n]+triangle[m][n];
}
}
}
int result=triangle[m_number-1][0];
for(int i=1;i
if(result>triangle[m_number-1][i])
result=triangle[m_number-1][i];
}
return result;
}
阅读(942) | 评论(0) | 转发(0) |