LeetCode 64 _ Minimum Path Sum 最小路径和

本文详细解析了寻找矩阵中从左上角到右下角的最小路径和的问题,并提供了一种有效的动态规划解决方案。通过逐步迭代,算法能够在O(m*n)的时间复杂度内找到最优路径。

Description:

Given a m x n grid filled with non-negative numbers, find a path from top left to bottom right which minimizes the sum of all numbers along its path.

Note: You can only move either down or right at any point in time.

Example:

Input:
[
  [1,3,1],
  [1,5,1],
  [4,2,1]
]
Output: 7
Explanation: Because the path 1→3→1→1→1 minimizes the sum.

 

 

Solution:

这道题和之前的两题思路差不多的,之前我们在格子里存储的是遍历到该格子的可能情况数,现在则存储遍历到该格子最小的和即可,遍历到该格子的最小和为当前格子加上左边与上面较小的那个值。

 

 

Code:

public int minPathSum(int[][] grid) {
    int row = grid.length;
    int col = grid[0].length;
    int[][] res = new int[row][col];


    for (int i = 0; i < row; i++){
        for (int j = 0; j < col; j++){
            if (i == 0 && j == 0){
                res[i][j] = grid[i][j];
            }else if (i == 0){
                res[i][j] = res[i][j-1] + grid[i][j];
            }else if (j == 0){
                res[i][j] = res[i-1][j] + grid[i][j];
            }else{
                res[i][j] = Math.min(res[i-1][j] + grid[i][j], res[i][j-1] + grid[i][j]);
            }
        }
    }
    return res[row-1][col-1];
}

  

 

运行情况:

Runtime: 2 ms, faster than 99.04% of Java online submissions for Minimum Path Sum.
Memory Usage: 42.9 MB, less than 13.73% of Java online submissions for Minimum Path Sum.

好像空间有点太大了,也可以不创建新的二维数组,直接存储于原数组,这样空间复杂度会低很多。

转载于:https://www.cnblogs.com/zingg7/p/10656879.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)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、模型优化并行计算等改进策略。; 适合人群:具备一定Python编程基础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、图像分割等实际问题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