从二维数组路径最小和看动态规划到维特比算法

动态规划/维特比算法----参考 吴军的《数学之美》，七月算法。

摘要:主要是从题目--二维数组路径最小和 的暴力枚举解法时间复杂度太高，贪心算法解法只能做到局部最优无法做到全局最优，从而引出动态规划，再到一个特殊但应用广泛的动态规划算法-维特比算法。

题目：二维数组路径最小和

Given a m x n grid filled with non-negative numbers, find a path from top left to bottom right which minimizes the sum of all numbers along its path.
 

1.暴力求解

m行n列的方格，从左上方走到右下方，每次只能向下或者向右走一步，如果枚举所有的可能路径 ，就是排列问题，要走m+n-2,其中n-1步是向下的，m-1步是向右的，时间复杂是C（m+n-2,n）,当m和n非常大的时候，时间复杂度非常高，不适合，枚举不是万能的！

2.贪心算法

贪心算法就是每次在判断是要向右走或者向下走的时候，如果向下的值比较小，就向下走，否则向右走，也就是每次走的时候只判断当前到下一步，哪个比较小，就往哪里走，只能做到局部最优，没办法保证全局最优。

贪心的反例（图1）：

这边从第一步出发的时候，有两种选择，向右5，向下2,2小于5，选择向下，但是2后面的只能选择100，而如果选择5，到达右下角的路径可以比100小很多。

3.动态规划

理解动态规划的几个主要点：

（1）假设我们找到了一条从1到16的最短路径和的路线（路线一），假设它经过15，那么这条路线上的从1到15，必然也是从1到15最短的路径和的路径。假设不是，还能找到路线二可以使1到15更短，那么用路线二替换路线一，就可以找到一条经过15的从1到16的更短路径，这与我们讲的经过路线一的从1到16的路线是最短的路径相违背。

（2）在上面中我们假设已经找到了从1到16的最短路径，但是我们现在是要求从1到16的最短路径，因为从1到达16，肯定要经过12 /15中的一个，我们只要求出从1到12的最短路径和从1到15的最短路径，就可以找到从1到16的最短路径，而要找从1到15的最短路径，我们可以先找到从1到11或者14的最短路径........以此类推，我们要解决问题，可以先求子问题的解，要求子问题的解，我们可以先找到子子问题的解.......以此类推，直到子问题不可再拆解。

（3）从上面的分析我们可以得到递推式:dp[i][j]=Math.min(dp[i-1][j],dp[i][j-1])+grid[i][j]，其中当j为0 的时候，dp[i][0]=grid[i][0]+dp[i-1][0],当j为0 的时候，dp[0][j]=grid[0][j]+dp[0][j-1].

输出代码如下:

public class Solution {
    public int minPathSum(int[][] grid) {
        int m=grid.length;
        int n=grid[0].length;
        int dp[][]=new int[m][n];
        for(int i=0;i<m;i++){
            for(int j=0;j<n;j++){
                if(i==0){
                    if(j==0){
                        dp[i][j]=grid[i][j];
                    }else{
                        dp[i][j]=dp[i][j-1]+grid[i][j];
                    }
                }else{
                    if(j==0){
                        dp[i][j]=dp[i-1][j]+grid[i][j];
                    }else{
                        dp[i][j]=Math.min(dp[i-1][j],dp[i][j-1])+grid[i][j];
                    }
                }
            }
        }
        return dp[m-1][n-1];
    }
}

时间复杂度分析：因为只要两重循环，所以时间复杂度为O（m*n）

4.隐马尔科夫模型

待续。。。

5.维特比算法

待续。。。