120. Triangle

题目

Given a triangle, find the minimum path sum from top to bottom. Each step you may move to adjacent numbers on the row below.

For example, given the following triangle

[
     [2],
    [3,4],
   [6,5,7],
  [4,1,8,3]
]

The minimum path sum from top to bottom is 11 (i.e., 2 + 3 + 5 + 1 = 11).

Note:

Bonus point if you are able to do this using only O(n) extra space, where n is the total number of rows in the triangle.

思路

发现了一个很好的动态规划解题套路。

先从很是naive的角度看这个题：从三角形的顶开始向下走，你此时并不能肯定在第二层选择哪个数字，由于看起来大的那个数字也可能会指向一条数字和小的路径。因此每个元素及每个元素下层的邻居元素都要遍历。这不就是典型的backtracking问题么?

咱们知道dp是backtracking的一种优化，主要解决了子问题重叠形成的时间浪费，那么当咱们对一个问题的dp解法尚未想法的时候，先经过研究backtracking的递归树来看看能不能找到子问题重叠的状况。

如下面这个三角形为例

     [0],
    [1,2],
   [3,4,5],
  [6,7,8,9]

它的backtracking递归树：

已经能看出子树重复了，若是再三角形加一层会更加明显，能发现七、8这两个子树也有高度重复。

到这里就很是清晰了，题目中要求O(n) extra space，那么用bottom-up的dp，将每一个节点到最底层的最短路径记录下来就能够了。

dp算法：

dp[row][i]: 第row层第i个元素到达底层所需的最短路径
转移方程：　dp[row][i] = triangle[i] + min(dp[row+1][i], dp[row+1][i+1])

此处用的是一个二维数组，按题中要求可压缩成一个一维数组，从底层向高层循环，每次都利用低层的数字算出高层的，而后覆盖数组中的值便可。

实现

 1     public int minimumTotal(List<List<Integer>> triangle) {
 2         int N = triangle.size();
 3         int[] min = new int[N];
 4         List<Integer> lastRow = triangle.get(N - 1);
 5         for(int i = 0; i < N; i++)
 6             min[i] = lastRow.get(i);
 7         
 8         for(int row = N - 2; row >= 0; row--){
 9             List<Integer> currentRow = triangle.get(row);
10             for(int i = 0; i < row + 1; i++){
11                 min[i] = currentRow.get(i) + Math.min(min[i], min[i+1]);
12             }
13         }
14         return min[0];
15     }

复杂度

时间复杂度 = O（三角形中数字数）

空间复杂度 = O（三角形层数）

总结

dp是一种“看别人的答案恍然大悟，但下一次仍是不会作”的问题，由于dp的代码形式并非重点，将会作dp和不会作dp问题的人划分开来的是他们的思路，即“怎么想到要用dp，如何得出状态转换方程”。

做为dp新手，一个思路是试着用backtracking解题并画出递归树，寻找递归树中重叠的子树，这样就抓住了dp问题的关键，状态转换方程会不请自来。