动态规划|约束条件下的三角最短路径
Posted Python与算法社区
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了动态规划|约束条件下的三角最短路径相关的知识,希望对你有一定的参考价值。
这篇文章总结了题目如何符合动态规划的特点,进而如何利用动态规划求解三角约束条件下的最短路径。
题目
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).
一套三角路径是指,第k行的第i个元素,只能与第k+1行的第i个元素或第i+1个元素组合,依次规律,到达三角形的bottom.
动态规划的特征
求解第k行到bottom的最短路径时,需要求此行的任意一个节点i加上第k+1行到bottom的最短路径,显然这具备了最优子结构的特征;
同时,在求第k-1行到bottom的最短路径时,需要求解第k行到bottom的最短路径,在求第k行到bottom的最短路径时,需要再次求解第k+1行到bottom的最短路径,因此又具备了重复的子问题特征。
综上,可以用动态规划方法求解。
自top到bottom求解,还是自bottom到top? 简单来讲,top层的最短路径一旦求出,这个问题就求出来了,如果从bottom开始求解,bottom的最大路径就是这层各自节点的值。
所以,选择从bottom到top的动态规划算法。
列出转移方程
求解第k行到bottom的最短路径时,需要求此行的任意一个节点i加上第k+1行到bottom的最短路径,显然这具备了最优子结构的特征;
题目的输入数据结构: input[n][n]
创建缓存: minpath[n],初始值为最后一层的节点取值。因为是自bottom到top,因此这样赋初始值是合理的,只有一层的最短路径就是在这些节点中选取。
由第k+1层的最短路径,推出第k层的最短路径,标颜色的部分实际上存储着第k+1层的最短路径:
minpath[i] = min(minpath[i], minpath[i+1]) + triangle[k][i];
赋完值后,实际上得到第k层的第i个节点到bottom的最短路径。
因此,遍历第k层的所有节点,便求出了第k层的所有节点到bottom的最短路径,实际上就是更新minpath数组。
以上,问题的分析,不准确的地方,敬请指正。
以上是关于动态规划|约束条件下的三角最短路径的主要内容,如果未能解决你的问题,请参考以下文章