leetcode刷题笔记——不同路径

Pro 62. 不同路径

题目描述:

一个机器人位于一个 m x n 网格的左上角 

机器人每次只能向下或者向右移动一步。机器人试图达到网格的右下角

问总共有多少条不同的路径?

解题思路:

1.

最容易想到这是一道排列组合的题目,从左上角走到右下角向右和向下走的步数都是固定的,所以就是在(m-1)+(n-1)步中选择n-1步向下走的组合问题(也可以看成是选择m-1步向右走,一样的)。因此共有的不同路径数为

代码如下:

//排列组合法,可以理解为一共要走m+n-2步,其中选择m-1步向下走
    //使用double,否则m,n过大时会造成溢出
    public int uniquePaths(int m, int n)
    {
        double result = factorial(m+n-2, n-1)/factorial(m-1,0);
        //System.out.println(result);
        return (int)result;
    }

    //阶乘函数
    public double factorial(int start, int end){
        double res = 1;
        for(double i=start; i>end; i--){
            res = res*i;
        }

        return res;
    }
2.

第二种思路是动态规划的算法,在每一个位置,都是它上方的点向下走一步,或者它左边的点向右走一步。而第一行和第一列的所有点都只有一条路径能到达。

所有实现如下:

//m*n的网格即n行m列
    //走到位置[i][j]的全部路径等于位置[i-1][j]的全部路径加位置[i][j-1]的全部路径
    public int uniquePaths1(int m, int n){
        int[][] paths = new int[n][m];
        //第一行
        for(int i=0; i<m; i++) paths[0][i] = 1;
        //第一列
        for(int j=0; j<n; j++)  paths[j][0] = 1;
        for(int i=1; i<m; i++){
            for(int j=1; j<n; j++){
                paths[j][i] = paths[j][i-1] + paths[j-1][i];
            }
        }
        return paths[n-1][m-1];
    }

Pro63. 不同路径||

题目描述:

和62题类似,只是在网格中多加了障碍。输入为一个二维数组,来表示网格,网格中的障碍物和空位置分别用 1 和 0 来表示。

现在考虑网格中有障碍物。那么从左上角到右下角将会有多少条不同的路径?

解题思路:

在有障碍物的情况下,如果某位置为障碍,则该点不可到达,将到达该点的所有路径数设为0。此外,在初始化第一行和第一列时,如果有一个格子为障碍,那么它右边/下边的格子均不可到达。

代码实现:

public int uniquePathsWithObstacles(int[][] obstacleGrid){
        //若数组为空
        if(obstacleGrid.length == 0) return 0;
        
        int len = obstacleGrid.length;
        int wid = obstacleGrid[0].length;
        int[][] paths = new int[len][wid];
        
        //第一列
        for(int i=0; i<len; i++){
            if(obstacleGrid[i][0] == 1) break;
            paths[i][0] = 1;
        }
        //第一行
        for(int j=0; j<wid; j++){
            if(obstacleGrid[0][j] == 1) break;
            paths[0][j] = 1;
        }
        for(int i=1; i<len; i++){
            for (int j=1; j<wid; j++){
                //若该点为障碍,则到达该点的路径数为0
                if(obstacleGrid[i][j] == 1) paths[i][j] = 0;
                else {
                    paths[i][j] = paths[i-1][j] + paths[i][j-1];
                }
            }
        }
        return paths[len-1][wid-1];
    }

 

 

转载于:https://www.cnblogs.com/yingying7/p/11230929.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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