[Leetcode 64] Dynamic Programming - Minimum Path Sum(最小路径和)

最新推荐文章于 2026-06-25 22:15:27 发布

原创最新推荐文章于 2026-06-25 22:15:27 发布 · 180 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#leetcode #算法 #python #动态规划 #数据结构

leetcode-动态规划专题专栏收录该内容

12 篇文章

订阅专栏

本文介绍了一种使用动态规划解决二维网格中从任意点到终点最小路径和的方法。通过逆向从终点开始更新每个点到终点的最短路径，避免了重复计算，提高了算法效率。

这道题也是得从终点往前进行dp的，每次决定当前位置到终点的最小路径和

$d p [i] [j]$ 表示从位置 $(i, j)$ 到终点的最小路径和，状态转移方程为：
$d p [i] [j] = m i n (d p [i + 1] [j], d p [i] [j + 1]) + d p [i] [j]$

这里要注意 $i + 1$ 和 $j + 1$ 不能越界，所以需要对越界进行判断

初始化为:
$d p [m - 1] [n - 1] = g r i d [m - 1] [n - 1]$

具体代码如下：


class Solution(object):
    def minPathSum(self, grid):
        """
        :type grid: List[List[int]]
        :rtype: int
        """
        
        if len(grid) == 0:
            return 0
        
        m = len(grid)
        n = len(grid[0])
        
        dp = np.zeros((m, n))
        
        
        for i in range(m-1, -1, -1):
            for j in range(n-1, -1, -1):
                
                if i + 1 >= m and j + 1 >= n:  # 初始化
                    dp[m-1][n-1] = grid[m-1][n-1]
                    continue
                
                # 必有一个没有越界
                if i + 1 >= m:  # 如果向下走越界了，则从当前位置只能向右走
                    dp[i][j] = dp[i][j+1] + grid[i][j]
                    continue
                if j + 1 >= n:  # 如果向右走越界了，则从当前位置只能向下走
                    dp[i][j] = dp[i+1][j] + grid[i][j]
                    continue
                
                dp[i][j] = min(dp[i][j+1], dp[i+1][j]) + grid[i][j]
                
            
        return int(dp[0][0])
                
         


        
solution = Solution()
print(solution.minPathSum([
  [1,3,1],
  [1,5,1],
  [4,2,1]
]))