【动态规划】矩阵

矩阵

矩阵相关的典型应用如下:

序号 题目
1 174. 地下城游戏
2 562. 矩阵中最长的连续1线段

应用

应用1:Leetcode.174

题目

174. 地下城游戏

分析

省略。

代码实现

class Solution:
    def uniquePaths(self, m: int, n: int) -> int:
        dp = [[0 for _ in range(n)] for _ in range(m)]

        for i in range(m):
            dp[i][0] = 1

        for i in range(n):
            dp[0][i] = 1

        for i in range(1, m):
            for j in range(1, n):
                dp[i][j] = dp[i - 1][j] + dp[i][j - 1]
        return dp[m - 1][n - 1]

应用2:Leetcode.562

题目

562. 矩阵中最长的连续1线段

解题思路

动态规划

假设 \(dp[i][j][k]\) 表示以位置 \((i-1,\ j-1)\) 结尾的某个方向上最长的连续 \(1\) 的个数,其中,\(k = 0,1,2,3\),分别表示向右、向右下、向下、向左下方向,即:

  • \(dp[i][j][0]\):以 \((i, j)\) 结尾的水平线段最长 \(1\) 的线段长度;
  • \(dp[i][j][1]\):以 \((i, j)\) 结尾的主对角线段最长 \(1\) 的线段长度;
  • \(dp[i][j][2]\):以 \((i, j)\) 结尾的垂直线段最长 \(1\) 的线段长度;
  • \(dp[i][j][3]\):以 \((i, j)\) 结尾的反对角线段最长 \(1\) 的线段长度;

注意,状态 \(dp[i][j][k]\) 对应的位置为 \(mat[i - 1][j - 1]\)

边界条件

当矩形大小为零时,最长 \(1\) 的线段长度为零,即

\[\begin{aligned} dp[0][j][k] = 0, \ k \in \{0,1,2,3\} \\ dp[i][0][k] = 0, \ k \in \{0,1,2,3\} \end{aligned} \]

状态转移

考虑从左上往右下遍历矩阵,对于 \(dp[i][j][k]\) ,它可以通过前面已经计算出得状态转移而来,\(dp\) 矩阵如下图所示:

image

因此,对于 \(dp[i][j][k]\),存在两种情况:

  • 如果当前位置 \(mat[i - 1][j - 1]\) 的值为 \(1\),那么,存在如下状态转移过程:

\[\begin{aligned} dp[i][j][0] &= dp[i][j - 1][0] + 1 \\ dp[i][j][1] &= dp[i - 1][j - 1][1] + 1 \\ dp[i][j][2] &= dp[i - 1][j][2] + 1 \\ dp[i][j][3] &= dp[i - 1][j + 1][3] + 1 \\ \end{aligned} \]

  • 如果当前位置 \(mat[i - 1][j - 1]\) 的值为 \(0\),那么,以\(mat[i - 1][j - 1]\) 结尾的线段长度都是 \(0\),即

\[dp[i][j][k] = 0, \ k \in \{0,1,2,3\} \]

假设矩阵的大小为 \(m \times n\),为了避免讨论边界条件,我们将 \(dp\) 数组的大小设置为 \((m + 2) \times (n + 2)\)

我们以下面的矩阵为例,介绍转移过程:

image

其状态转移过程如下:

image

因为我们是从左上向右下遍历矩阵,因此,图中的 \(dp[2][3]\) 的状态,就可以由 \(dp[1][2]\)\(dp[1][3]\)\(dp[1][4]\)\(dp[2][2]\) 转移而来。

代码

class Solution:
    def longestLine(self, mat: List[List[int]]) -> int:
        m, n = len(mat), len(mat[0])
        dp = [[ [0] * 4 for _ in range(n + 2)] for _ in range(m + 2)]

        result = 0
        for i in range(1, m + 1):
            for j in range(1, n + 1):
                if mat[i - 1][j - 1] == 1:
                    dp[i][j][0] = dp[i][j - 1][0] + 1
                    dp[i][j][1] = dp[i - 1][j - 1][1] + 1
                    dp[i][j][2] = dp[i - 1][j][2] + 1
                    dp[i][j][3] = dp[i - 1][j + 1][3] + 1
                    result = max(result, dp[i][j][0], dp[i][j][1], dp[i][j][2], dp[i][j][3])
        return result
posted @ 2023-02-28 23:17  LARRY1024  阅读(38)  评论(0编辑  收藏  举报