leetcode hot100 之最小路径和

最新推荐文章于 2026-03-04 14:45:10 发布

原创最新推荐文章于 2026-03-04 14:45:10 发布 · 310 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#leetcode #动态规划 #算法

LeetCode 专栏收录该内容

143 篇文章

订阅专栏

该博客介绍了如何使用动态规划解决一个寻找网格中从左上角到右下角最小路径和的问题。题目要求机器人只能向下或向右移动，每步路径上的数字累加。提供的代码实现了一个二维动态规划数组，初始化边界条件，并通过转移方程dp[i][j]=min(dp[i-1][j], dp[i][j-1])+grid[i][j]找到最小路径。复杂度分析包括时间和空间复杂度。

题目

给定一个 m x n 的网格，机器人位于网格的左上角，每次只能向下或向右移动一步，每个网格有一个非负整数，请找出机器人走到右下角的路径中，和最小的一条路径。并返回路径的和。

输入：grid = [[1,3,1],[1,5,1],[4,2,1]]
输出：7
解释：因为路径 1→3→1→1→1 的总和最小。

原题链接：https://leetcode-cn.com/problems/minimum-path-sum/

思路

这道题和《不同路径》思路差不多。
动态规划。设 dp[i][j] 表示机器人走到 (i, j) 的最小和。由于机器人只能向下或向右走，那么机器人走到 (i, j) 只会从 (i-1, j) 或 (i, j-1) 过来，那么转移方程为 dp[i][j] = min(dp[i-1][j], dp[i][j-1]) + grid[i][j]
需要初始化第一行和第一列。

复杂度分析
- 时间复杂度 O(m x n)
- 空间复杂度 O(m x n)。PS：由于 dp[i][j] 只和 i-1 或 j - 1 相关，即当前状态只和上一次状态有关。dp数组其实可以只用大小为 2m 或 2n 来表示，空间复杂度可以降为O(min(m, n))。这里偷懒，就先不写了。。。

代码

class Solution {
public:
    int minPathSum(vector<vector<int>>& grid) {
        int m = grid.size();
        int n = grid[0].size();
        vector<vector<int>> dp(m, vector<int>(n));
        for (int i = 0; i < m; i++) {
            if (i == 0) {
                dp[i][0] = grid[i][0];
            }
            else {
                dp[i][0] = dp[i - 1][0] + grid[i][0];
            }
        }
        for (int j = 0; j < n; j++) {
            if (j == 0) {
                dp[0][j] = grid[0][j];
            }
            else {
                dp[0][j] = dp[0][j - 1] + grid[0][j];
            }
        }
        for (int i = 1; i < m; i++) {
            for (int j = 1; j < n; j++) {
                dp[i][j] = min(dp[i - 1][j], dp[i][j - 1]) + grid[i][j];
            }
        }
        return dp[m - 1][n - 1];
    }
};