DP 第二讲 - 三角形最小路径和

在上一篇中,我们通过题目“最长上升子序列” 以及 “最大子序和”,学习了DP(动态规划)在线性关系中的分析方法。这种分析方法,也在运筹学中被称为“线性动态规划”,具体指的是 “目标函数为特定变量的线性函数,约束是这些变量的线性不等式或等式,目的是求目标函数的最大值或最小值”。这点大家作为了解即可,不需要死记,更不要生搬硬套!

在本节中,我们将继续分析一道略微区别于之前的题型,希望可以由此题与之前的题目进行对比论证,进而顺利求解!

01、题目分析

第120题:三角形最小路径和
给定一个三角形,找出自顶向下的最小路径和。每一步只能移动到下一行中相邻的结点上。

例如,给定三角形:

  1. [
  2. [2],
  3. [3,4],
  4. [6,5,7],
  5. [4,1,8,3]
  6. ]

则自顶向下的最小路径和为 11(即,2 + 3 + 5 + 1 = 11)。

这道题有一定难度哦!如果没有思路请回顾上一篇的学习内容!

不建议直接看题解!

02、题目图解

首先我们分析题目,要找的是三角形最小路径和,这是个啥意思呢?假设我们有一个三角形:[[2], [3,4], [6,5,7],

[4,1,8,3]]

PNG

那从上到下的最小路径和就是2-3-5-1,等于11。

由于我们是使用数组来定义一个三角形,所以便于我们分析,我们将三角形稍微进行改动:

PNG

这样相当于我们将整个三角形进行了拉伸。这时候,我们根据题目中给出的条件:每一步只能移动到下一行中相邻

的结点上。其实也就等同于,每一步我们只能往下移动一格或者右下移动一格。将其转化成代码,假如2所在的元

素位置为[0,0],那我们往下移动就只能移动到[1,0]或者[1,1]的位置上。假如5所在的位置为[2,1],同样也只能移动

到[3,1]和[3,2]的位置上。如下图所示:

PNG

题目明确了之后,现在我们开始进行分析。题目很明显是一个找最优解的问题,并且可以从子问题的最优解进

行构建。所以我们通过动态规划进行求解。首先,我们定义状态:

dp[i][j] : 表示包含第i行j列元素的最小路径和

我们很容易想到可以自顶向下进行分析。并且,无论最后的路径是哪一条,它一定要经过最顶上的元素,即 [0,0]。所以我们需要对 dp[0][0] 进行初始化。

dp[0][0] = [0][0]位置所在的元素值

继续分析,如果我们要求dp[i][j],那么其一定会从自己头顶上的两个元素移动而来。

PNG

如5这个位置的最小路径和,要么是从2-3-5而来,要么是从2-4-5而来。然后取两条路径和中较小的一个即可。进

而我们得到状态转移方程:

dp[i][j] = min(dp[i-1][j-1],dp[i-1][j]) + triangle[i][j]

但是,我们这里会遇到一个问题!除了最顶上的元素之外,

PNG

最左边的元素只能从自己头顶而来。(2-3-6-4)

PNG

最右边的元素只能从自己左上角而来。(2-4-7-3)

然后,我们观察发现,位于第2行的元素,都是特殊元素因为都只能从[0,0]的元素走过来

PNG

我们可以直接将其特殊处理,得到:

dp[1][0] = triangle[1][0] + triangle[0][0]
dp[1][1] = triangle[1][1] + triangle[0][0]


最后,我们只要找到最后一行元素中,路径和最小的一个,就是我们的答案。即:

l:dp数组长度
result = min(dp[l-1,0],dp[l-1,1],dp[l-1,2]….)

综上我们就分析完了,我们总共进行了4步:

  1. 定义状态
  2. 总结状态转移方程
  3. 分析状态转移方程不能满足的特殊情况。
  4. 得到最终解

03、Go语言示例

根据以上分析,可以得到代码如下:

  1. func minimumTotal(triangle [][]int) int {
  2. if len(triangle) < 1 {
  3. return 0
  4. }
  5. if len(triangle) == 1 {
  6. return triangle[0][0]
  7. }
  8. dp := make([][]int, len(triangle))
  9. for i, arr := range triangle {
  10. dp[i] = make([]int, len(arr))
  11. }
  12. result := 1<<31 - 1
  13. dp[0][0] = triangle[0][0]
  14. dp[1][1] = triangle[1][1] + triangle[0][0]
  15. dp[1][0] = triangle[1][0] + triangle[0][0]
  16. for i := 2; i < len(triangle); i++ {
  17. for j := 0; j < len(triangle[i]); j++ {
  18. if j == 0 {
  19. dp[i][j] = dp[i-1][j] + triangle[i][j]
  20. } else if j == (len(triangle[i]) - 1) {
  21. dp[i][j] = dp[i-1][j-1] + triangle[i][j]
  22. } else {
  23. dp[i][j] = min(dp[i-1][j-1], dp[i-1][j]) + triangle[i][j]
  24. }
  25. }
  26. }
  27. for _,k := range dp[len(dp)-1] {
  28. result = min(result, k)
  29. }
  30. return result
  31. }
  32. func min(a, b int) int {
  33. if a > b {
  34. return b
  35. }
  36. return a
  37. }

运行结果:

PNG

运行上面的代码,我们发现使用的内存过大。我们有没有什么办法可以压缩内存呢?通过观察我们发现,在我们

自顶向下的过程中,其实我们只需要使用到上一层中已经累积计算完毕的数据,并且不会再次访问之前的元素数

。绘制成图如下:

PNG

优化后的代码如下:

  1. func minimumTotal(triangle [][]int) int {
  2. l := len(triangle)
  3. if l < 1 {
  4. return 0
  5. }
  6. if l == 1 {
  7. return triangle[0][0]
  8. }
  9. result := 1<<31 - 1
  10. triangle[0][0] = triangle[0][0]
  11. triangle[1][1] = triangle[1][1] + triangle[0][0]
  12. triangle[1][0] = triangle[1][0] + triangle[0][0]
  13. for i := 2; i < l; i++ {
  14. for j := 0; j < len(triangle[i]); j++ {
  15. if j == 0 {
  16. triangle[i][j] = triangle[i-1][j] + triangle[i][j]
  17. } else if j == (len(triangle[i]) - 1) {
  18. triangle[i][j] = triangle[i-1][j-1] + triangle[i][j]
  19. } else {
  20. triangle[i][j] = min(triangle[i-1][j-1], triangle[i-1][j]) + triangle[i][j]
  21. }
  22. }
  23. }
  24. for _,k := range triangle[l-1] {
  25. result = min(result, k)
  26. }
  27. return result
  28. }
  29. func min(a, b int) int {
  30. if a > b {
  31. return b
  32. }
  33. return a
  34. }

运行结果:

PNG