热门标签
热门文章
- 1技术管理成长计划（一）：角色认知及转身_主计划角色认知
- 2深度学习进阶之路 - 从迁移学习到强化学习_深度学习和学习进阶的本质
- 3Hadoop的MapReduce详解_hadoop mapreduce
- 4web前端顶岗实习总结报告_web前端实习报告
- 5使用 Langchain 和 Ollama 的 PDF 聊天机器人分步指南
- 62019年全国电子设计竞赛H题电磁炮之定点打击_电赛电磁炮代码
- 7MySQL常见报错及解决方案_invalid default value for 'gender
- 8【Docker】搭建一个媒体服务器插件后端API服务 - MetaTube
- 9基于单片机的教室智能照明台灯控制系统的设计与实现_基于51单片机的教室智能照明控制设计
- 10如何用JAVA如何实现Word、Excel、PPT在线前端预览编辑的功能？_前端在页面上编辑ppt和word的插件
当前位置: article > 正文
动态规划算法：路径问题_动态规划 路径规划
作者：知新_RL | 2024-07-26 02:12:42
赞
踩
动态规划 路径规划
例题一
解法（动态规划）：
算法思路：
1.
状态表⽰：
对于这种「路径类」的问题，我们的状态表⽰⼀般有两种形式：
i.
从 [i, j]
位置出发，巴拉巴拉；
ii.
从起始位置出发，到达 [i, j]
位置，巴拉巴拉。
这⾥选择第⼆种定义状态表⽰的⽅式：
dp[i][j]
表⽰：⾛到
[i, j]
位置处，⼀共有多少种⽅式。
2.
状态转移⽅程：
简单分析⼀下。如果
dp[i][j]
表⽰到达
[i, j]
位置的⽅法数，那么到达 [i, j] 位置之前的⼀⼩步，有两种情况：
i.
从 [i, j] 位置的上⽅（ [i - 1, j] 的位置）向下⾛⼀步，转移到 [i, j] 位置；
ii.
从 [i, j] 位置的左⽅（ [i, j - 1] 的位置）向右⾛⼀步，转移到 [i, j] 位置。
由于我们要求的是有多少种⽅法，因此状态转移⽅程就呼之欲出了：
dp[i][j] = dp[i - 1][j]+dp[i][j-1]。
3.
初始化：
可以在最前⾯加上⼀个「辅助结点」，帮助我们初始化。使⽤这种技巧要注意两个点：
i.
辅助结点⾥⾯的值要「保证后续填表是正确的」；
ii.
「下标的映射关系」。
在本题中，「添加⼀⾏」，并且「添加⼀列」后，只需将
dp[0][1]
的位置初始化为
1
即可。
4.
填表顺序：
根据「状态转移⽅程」的推导来看，填表的顺序就是「从上往下」填每⼀⾏，在填写每⼀⾏的时候
「从左往右」。
5.
返回值：
根据「状态表⽰」，我们要返回
dp[m][n]
的值。
例题二
解法（动态规划）：
算法思路：
本题为不同路径的变型，只不过有些地⽅有「障碍物」，只要在「状态转移」上稍加修改就可。
1.
状态表⽰：
对于这种「路径类」的问题，我们的状态表⽰⼀般有两种形式：
i.
从 [i, j]
位置出发，巴拉巴拉；
ii.
从起始位置出发，到达 [i, j]
位置，巴拉巴拉。
这⾥选择第⼆种定义状态表⽰的⽅式： dp[i][j] 表⽰：⾛到
[i, j]
位置处，⼀共有多少种⽅式。
2.
状态转移：
简单分析⼀下。如果
dp[i][j]
表⽰到达
[i, j]
位置的⽅法数，那么到达 [i, j] 位置之 前的⼀⼩步，有两种情况：
i.
从
[i, j]
位置的上⽅（
[i - 1, j]
的位置）向下⾛⼀步，转移到[i, j] 位置；
ii.
从
[i, j]
位置的左⽅（
[i, j - 1]
的位置）向右⾛⼀步，转移到
[i, j]
位置。
但是，
[i - 1, j]
与
[i, j - 1]
位置都是可能有障碍的，此时从上⾯或者左边是不可能到达 [i, j] 位置
的，也就是说，此时的⽅法数应该是 0。 由此我们可以得出⼀个结论，只要这个位置上「有障碍物」，那么我们就不需要计算这个位置上的值，直接让它等于 0
即可。
3.
初始化：
可以在最前⾯加上⼀个「辅助结点」，帮助我们初始化。使⽤这种技巧要注意两个点：
i.
辅助结点⾥⾯的值要「保证后续填表是正确的」；
ii.
「下标的映射关系」。
在本题中，添加⼀⾏，并且添加⼀列后，只需将 dp[1][0]
的位置初始化为
1
即可。
4.
填表顺序：
根据「状态转移」的推导，填表的顺序就是「从上往下」填每⼀⾏，每⼀⾏「从左往右」。
5.
返回值：
根据「状态表⽰」，我们要返回的结果是
dp[m][n]
。
例题三
解法（动态规划）：
算法思路：
1.
状态表⽰：
对于这种「路径类」的问题，我们的状态表⽰⼀般有两种形式：
i.
从 [i, j]
位置出发，巴拉巴拉；
ii.
从起始位置出发，到达 [i, j]
位置，巴拉巴拉。
这⾥选择第⼆种定义状态表⽰的⽅式： dp[i][j] 表⽰：⾛到
[i, j]
位置处，此时的最⼤价值。
2.
状态转移⽅程：
对于 dp[i][j] ，我们发现想要到达
[i, j]
位置，有两种⽅式：
i.
从 [i, j]
位置的上⽅
[i - 1, j]
位置，向下⾛⼀步，此时到达 [i, j] 位置能拿到的礼物价值为
dp[i - 1][j] + grid[i][j]
；
ii.
从 [i, j]
位置的左边
[i, j - 1]
位置，向右⾛⼀步，此时到达 [i, j] 位置能拿到的礼物价值为
dp[i][j - 1] + grid[i][j]
我们要的是最⼤值，因此状态转移⽅程为：dp[i][j] = max(dp[i - 1][j], dp[i][j - 1]) + grid[i][j] 。
3.
初始化：
可以在最前⾯加上⼀个「辅助结点」，帮助我们初始化。使⽤这种技巧要注意两个点：
i.
辅助结点⾥⾯的值要「保证后续填表是正确的」；
ii.
「下标的映射关系」。在本题中，「添加⼀⾏」，并且「添加⼀列」后，所有的值都为 0
即可。
4.
填表顺序：
根据「状态转移⽅程」，填表的顺序是「从上往下填写每⼀⾏」，「每⼀⾏从左往右」。
5.
返回值：
根据「状态表⽰」，我们应该返回
dp[m][n]
的值。
例题四
解法（动态规划）：
算法思路：
关于这⼀类题，由于我们做过类似的，因此「状态表⽰」以及「状态转移」是⽐较容易分析出来的。 ⽐较难的地⽅可能就是对于「边界条件」的处理。
1.
状态表⽰：
对于这种「路径类」的问题，我们的状态表⽰⼀般有两种形式：
i.
从 [i, j]
位置出发，到达⽬标位置有多少种⽅式；
ii.
从起始位置出发，到达 [i, j]
位置，⼀共有多少种⽅式
这⾥选择第⼆种定义状态表⽰的⽅式：dp[i][j] 表⽰：到达
[i, j]
位置时，所有下降路径中的最⼩和。
2.
状态转移⽅程：
对于普遍位置
[i, j]
，根据题意得，到达
[i, j]
位置可能有三种情况：
i.
从正上⽅ [i - 1, j] 位置转移到
[i, j]
位置；
ii.
从左上⽅ [i - 1, j - 1] 位置转移到
[i, j]
位置；
iii.
从右上⽅
[i - 1, j + 1]
位置转移到
[i, j]
位置；
我们要的是三种情况下的「最⼩值」，然后再加上矩阵在
[i, j]
位置的值。
于是
dp[i][j] = min(dp[i - 1][j], min(dp[i - 1][j - 1], dp[i - 1][j + 1])) + matrix[i][j] 。
3.
初始化：
可以在最前⾯加上⼀个「辅助结点」，帮助我们初始化。使⽤这种技巧要注意两个点：
i.
辅助结点⾥⾯的值要「保证后续填表是正确的」；
ii.
「下标的映射关系」。 在本题中，需要「加上⼀⾏」，并且「加上两列」。所有的位置都初始化为⽆穷⼤，然后将第⼀⾏初始化为 0 即可。
4.
填表顺序：
根据「状态表⽰」，填表的顺序是「从上往下」。
5.
返回值：
注意这⾥不是返回
dp[m][n]
的值！
题⽬要求「只要到达最后⼀⾏」就⾏了，因此这⾥应该返回「 dp 表中最后⼀⾏的最⼩值」。
例题五
解法（动态规划）：
算法思路：
像这种表格形式的动态规划，是⾮常容易得到「状态表⽰」以及「状态转移⽅程」的，可以归结到
「不同路径」⼀类的题⾥⾯。
1.
状态表⽰：
对于这种路径类的问题，我们的状态表⽰⼀般有两种形式：
i.
从 [i, j]
位置出发，巴拉巴拉；
ii.
从起始位置出发，到达 [i, j]
位置，巴拉巴拉。
这⾥选择第⼆种定义状态表⽰的⽅式： dp[i][j] 表⽰：到达
[i, j]
位置处，最⼩路径和是多少。
2.
状态转移：
简单分析⼀下。如果
dp[i][j]
表⽰到达 到达
[i, j]
位置处的最⼩路径和，那么到达 [i, j] 位置之前的⼀⼩步，有两种情况：
i.
从 [i - 1, j] 向下⾛⼀步，转移到 [i, j] 位置；
ii.
从 [i, j - 1] 向右⾛⼀步，转移到 [i, j] 位置。
由于到
[i, j]
位置两种情况，并且我们要找的是最⼩路径，因此只需要这两种情况下的最⼩值，再加上 [i, j]
位置上本⾝的值即可。也就是： dp[i][j] = min(dp[i - 1][j], dp[i][j - 1]) + grid[i][j]
3.
初始化：可以在最前⾯加上⼀个「辅助结点」，帮助我们初始化。使⽤这种技巧要注意两个点：
i.
辅助结点⾥⾯的值要「保证后续填表是正确的」；
ii.
「下标的映射关系」。 在本题中，「添加⼀⾏」，并且「添加⼀列」后，所有位置的值可以初始化为⽆穷⼤，然后让dp[0][1] = dp[1][0] = 1 即可。
4.
填表顺序：
根据「状态转移⽅程」的推导来看，填表的顺序就是「从上往下」填每⼀⾏，每⼀⾏「从左往后」。
5.
返回值：
根据「状态表⽰」，我们要返回的结果是
dp[m][n]
。
例题六
解法（动态规划）：
算法思路：
1.
状态表⽰：
这道题如果我们定义成：从起点开始，到达
[i, j]
位置的时候，所需的最低初始健康点数。
那么我们分析状态转移的时候会有⼀个问题：那就是我们当前的健康点数还会受到后⾯的路径的影
响。也就是从上往下的状态转移不能很好地解决问题。
这个时候我们要换⼀种状态表⽰：从
[i, j]
位置出发，到达终点时所需要的最低初始健康点数。这样我们在分析状态转移的时候，后续的最佳状态就已经知晓。
综上所述，定义状态表⽰为：dp[i][j] 表⽰：从[i, j]位置出发，到达终点时所需的最低初始健康点数。
2.
状态转移⽅程：
对于
dp[i][j]
，从 [i, j] 位置出发，下⼀步会有两种选择
（为了⽅便理解，设 dp[i][j] 的最终答案是
x
）：
i.
⾛到右边，然后⾛向终点
那么我们在
[i, j]
位置的最低健康点数加上这⼀个位置的消耗，应该要⼤于等于右边位置的最低健康点数，也就是： x + dungeon[i][j] >= dp[i][j + 1]
。通过移项可得： x >= dp[i][j + 1] - dungeon[i][j]
。因为我们要的是最⼩值，因此这种情况下的 x = dp[i][j + 1] - dungeon[i][j]
；
ii.
⾛到下边，然后⾛向终点
那么我们在
[i, j]
位置的最低健康点数加上这⼀个位置的消耗，应该要⼤于等于下边位置的最低健康点数，也就是： x + dungeon[i][j] >= dp[i + 1][j]
。通过移项可得： x >= dp[i + 1][j] - dungeon[i][j]
。因为我们要的是最⼩值，因此这种情况下的 x = dp[i + 1][j] - dungeon[i][j]
；
综上所述，我们需要的是两种情况下的最⼩值，因此可得状态转移⽅程为：
dp[i][j] = min(dp[i + 1][j], dp[i][j + 1]) - dungeon[i][j]
但是，如果当前位置的
dungeon[i][j]
是⼀个⽐较⼤的正数的话，
dp[i][j]
的值可能变成 0
或者负数。也就是最低点数会⼩于
1
，那么骑⼠就会死亡。因此我们求出来的
dp[i][j]如果⼩于等于 0
的话，说明此时的最低初始值应该为
1
。处理这种情况仅需让
dp[i][j]与 1
取⼀个最⼤值即可：
dp[i][j] = max(1, dp[i][j])
3.
初始化：
可以在最前⾯加上⼀个「辅助结点」，帮助我们初始化。使⽤这种技巧要注意两个点：
i.
辅助结点⾥⾯的值要「保证后续填表是正确的」；
ii.
「下标的映射关系」。在本题中，在 dp
表最后⾯添加⼀⾏，并且添加⼀列后，所有的值都先初始化为⽆穷⼤，然后让 dp[m][n - 1] = dp[m - 1][n] = 1 即可。
4.
填表顺序：
根据「状态转移⽅程」，我们需要「从下往上填每⼀⾏」，「每⼀⾏从右往左」。
5.
返回值：
根据「状态表⽰」，我们需要返回
dp[0][0]
的值。
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/知新_RL/article/detail/883038
推荐阅读
相关标签
