LeetCode 62. Unique Paths 唯一路径

本文探讨了使用递归和动态规划方法解决迷宫问题,详细介绍了三种求解路径数量的方法,并通过LeetCode实例进行说明。从自上而下的递归到自下而上的循环,再到利用杨辉三角简化计算,最终采用阶乘计算优化实现高效求解。

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

852294-20160127042247754-458422810.png

题目: 一个机器人位于 m x n 网格的右上角. 机器人只能向右或者向下. 机器人试图到达右下角. 问有多少种不重复的路径?
上图是一个 3 x 7 的网格. m 和 n 最大为 100.
链接: https://leetcode.com/problems/unique-paths/

方法一: 自上而下的递归

852294-20160127042344520-1533800900.png

如图, 到达 Finish 点 (3, 7) 的所有不重复路径个数等于到达点 (3, 6) 的路径个数加上到达点 (2, 7) 的路径个数. 同理: (3, 6) = (3, 5) + (2, 6) .....
当 m = 1 或 n = 1 时, 只有一条路径. 这是递归的终止条件.
具体的代码如下:

    public int uniquePaths(int m, int n) {
        if (m == 1 || n == 1)
            return 1;
        else
            return uniquePaths(m - 1, n) + uniquePaths(m, n - 1);
    } 

LeetCode 上提交后显示超时了, 预料之中.... 一般有返回值的递归都比较耗时, 因为要保存所有的未计算的节点.

方法二: 自下而上的循环

自上而下的递归不行, 我们可以尝试自下而上的循环, 把每一次的计算结果保存在二维数组中.例如 matrix[1][2] = 3 代表从 (1, 1) 到达 (2, 3) 共有 3 种不同的路径(数组下标从 0 开始, 所以 (m, n) 对应 matrix[m-1][n-1]). 从 matrix[0][0] 一直计算到 matrix[99][99], 因为 LeetCode 测试用例有几十个, 所以将计算结果保存到静态成员变量中, 只计算一次就可以了.

    static int[][] matrix = new int[100][100];
    static {
        matrix[0][0] = 1;
        for (int i = 1; i < 100; i++) {
            matrix[i][0] = 1;
            matrix[0][i] = 1;
        }
        for (int m = 1; m < 100; m++) {
            for (int n = 1; n < 100; n++) {
                matrix[m][n] = matrix[m][n - 1] + matrix[m - 1][n];
            }
        }
    }
    // 自下而上把算出来的值存入二维数组中(100X100),然后直接取用
    public int uniquePaths2(int m, int n) {
        return matrix[m - 1][n - 1];
    }  

提交后显示用时 9ms,仍然不够快.

方法三

把我们得到的二维数组打印出来, 看看有什么规律没有:
852294-20160127043418707-710679272.png

斜着看这不就是杨辉三角吗! 坑啊...
852294-20160127042947723-454925306.png

其中, 计算方法为:
mathtex.cgi?%20%5CLarge%20C%7B%5Ek_n%7D=%5Cfrac%7Bn!%7D%7B(n-k)!*k!%7D%20

(m, n) 对应于上图的第 (m+n-2) 行, 第 (n-1) 列

    public int uniquePaths3(int m, int n) {
        if (m == 1 || n == 1)
            return 1;
        if (m == 2 || n == 2)
            return m >= n ? m : n;
        if (m >= n)
            return (int) (f( m + n - 2, m) / f( n - 1, 1));
        else
            return (int) (f( m + n - 2, n) / f( m - 1, 1));
    }
 
    //阶乘.不能用 int, 因为 13 的阶乘就超过 int 的范围了
    public static long f(int a, int b) {
    long result = (long) a;
    for (int i = a - 1; i > b - 1; i--)
        result *=  i;
    return result;
    }

提交后显示用时 0 ms, 够快了.

转载于:https://www.cnblogs.com/CloudFlew/p/5162025.html

内容概要:本文详细介绍了扫描单分子定位显微镜(scanSMLM)技术及其在三维超分辨体积成像中的应用。scanSMLM通过电调透镜(ETL)实现快速轴向扫描,结合4f检测系统将不同焦平面的荧光信号聚焦到固定成像面,从而实现快速、大视场的三维超分辨成像。文章不仅涵盖了系统硬件的设计与实现,还提供了详细的软件代码实现,包括ETL控制、3D样本模拟、体积扫描、单分子定位、3D重建和分子聚类分析等功能。此外,文章还比较了循环扫描与常规扫描模式,展示了前者在光漂白效应上的优势,并通过荧光珠校准、肌动蛋白丝、线粒体网络和流感A病毒血凝素(HA)蛋白聚类的三维成像实验,验证了系统的性能和应用潜力。最后,文章深入探讨了HA蛋白聚类与病毒感染的关系,模拟了24小时内HA聚类的动态变化,提供了从分子到细胞尺度的多尺度分析能力。 适合人群:具备生物学、物理学或工程学背景,对超分辨显微成像技术感兴趣的科研人员,尤其是从事细胞生物学、病毒学或光学成像研究的科学家和技术人员。 使用场景及目标:①理解和掌握scanSMLM技术的工作原理及其在三维超分辨成像中的应用;②学习如何通过Python代码实现完整的scanSMLM系统,包括硬件控制、图像采集、3D重建和数据分析;③应用于单分子水平研究细胞内结构和动态过程,如病毒入侵机制、蛋白质聚类等。 其他说明:本文提供的代码不仅实现了scanSMLM系统的完整工作流程,还涵盖了多种超分辨成像技术的模拟和比较,如STED、GSDIM等。此外,文章还强调了系统在硬件改动小、成像速度快等方面的优势,为研究人员提供了从理论到实践的全面指导。
内容概要:本文详细介绍了基于Seggiani提出的渣层计算模型,针对Prenflo气流床气化炉中炉渣的积累和流动进行了模拟。模型不仅集成了三维代码以提供气化炉内部的温度和浓度分布,还探讨了操作条件变化对炉渣行为的影响。文章通过Python代码实现了模型的核心功能,包括炉渣粘度模型、流动速率计算、厚度更新、与三维模型的集成以及可视化展示。此外,还扩展了模型以考虑炉渣组成对特性的影响,并引入了Bingham流体模型,更精确地描述了含未溶解颗粒的熔渣流动。最后,通过实例展示了氧气-蒸汽流量增加2%时的动态响应,分析了温度、流动特性和渣层分布的变化。 适合人群:从事煤气化技术研究的专业人士、化工过程模拟工程师、以及对工业气化炉操作优化感兴趣的科研人员。 使用场景及目标:①评估不同操作条件下气化炉内炉渣的行为变化;②预测并优化气化炉的操作参数(如温度、氧煤比等),以防止炉渣堵塞;③为工业气化炉的设计和操作提供理论支持和技术指导。 其他说明:该模型的实现基于理论公式和经验数据,为确保模型准确性,实际应用中需要根据具体气化炉的数据进行参数校准。模型还考虑了多个物理场的耦合,包括质量、动量和能量守恒方程,能够模拟不同操作条件下的渣层演变。此外,提供了稳态求解器和动态模拟工具,可用于扰动测试和工业应用案例分析。
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