[leetcode]62. Unique Paths/63. Unique Paths II -- JavaScript 代码

本文介绍了使用动态规划解决从起点到终点的不同路径数量问题,包括无障碍和有障碍两种情况。通过递归方程 f(x,y) = f(x-1,y) + f(x,y-1),实现了高效求解。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

/**
 * @param {number} m
 * @param {number} n
 * @return {number}
 */
var uniquePaths = function(m, n) {
// 建立一个 m*n的矩阵 f(x,y) = f(x-1,y) + f(x,y-1)
    var array = [];
    for(var i=0;i<m;i++){
        array[i] = [];
        for(var j=0;j<n;j++){
            if(i===0||j===0){
                array[i][j] = 1;
            }else{
                array[i][j] = 0;
            }
        }
    }
    for(i=1;i<m;i++){
        for(j=1;j<n;j++){
            array[i][j] = array[i-1][j]+array[i][j-1];
        }
    }
    return array[m-1][n-1];
};

典型的动态规划题目,只要找到递归方程,问题就迎刃而解了:

f(x,y) = f(x-1,y) + f(x,y-1)

第63题和62题基本思路一样,就是多了个条件。DP代码如下:

/**
 * @param {number[][]} obstacleGrid
 * @return {number}
 */
var uniquePathsWithObstacles = function(obstacleGrid) {
    var row = obstacleGrid.length;
    if(row===0){
        return 0;
    }
    var col = obstacleGrid[0].length;
    var array = [];

    for(var i=0;i<row;i++){
        array[i] = [];
        if(obstacleGrid[i][0]==1){
            break;
        }else{
            array[i][0] = 1;
        }
    }
    for(j=i;j<row;j++){
        array[j] = [];
        array[j][0] = 0;
    }

    for(i=0;i<col;i++){
        if(obstacleGrid[0][i]==1){
            break;
        }else{
            array[0][i] = 1;
        }
    }
    for(var j=i;j<col;j++){
        array[0][j] = 0;
    }

    for(i=1;i<row;i++){
        for(j=1;j<col;j++){
            if(obstacleGrid[i][j]==1){
                array[i][j] = 0;
            }else{
                array[i][j] = array[i-1][j] + array[i][j-1]
            }
        }
    }
    return array[row-1][col-1];
};
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法。 LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值