第三章算法作业

一、题目关键约束分析

这道题最巧妙的伏笔藏在时间限制里。从 (1,1) 走到 (N,N)，最短路径需要经过 2N-1 个格子（横向走 N-1 步，纵向走 N-1 步，加上起点共 2N-1 格）。时间上限恰好等于最短路径耗时，这意味着商人一步都不能绕---只能向右或向下走。一旦向左或向上，总步数必然超过 2N-1，违反时间限制。

于是问题转化为经典模型：在只能向右、向下移动的约束下，求从左上角到右下角路径费用之和的最小值。

二、动态规划求解步骤

3.1 最优子结构与递归方程式

设 dp[i][j] 为从起点 (1,1) 走到格子 (i,j) 所需缴纳的最少总费用，a[i][j] 为格子 (i,j) 的通行费。

由于只能向右或向下走，到达 (i,j) 的上一步只可能来自上方 (i-1,j) 或左方 (i,j-1)。若一条经过 (i,j)的路径是最优的，其起点到 (i,j)的子路径必然也是到达 (i,j) 的最优路径，否则替换后可得更优解，矛盾——问题具有最优子结构。

状态转移方程：

dp[i][j] = a[i][j] + min(dp[i-1][j],dp[i][j-1])

边界条件：

• 起点：dp[1][1] = a[1][1]
• 第一行：dp[1][j] = dp[1][j-1] + a[1][j]（只能从左来）
• 第一列：dp[i][1] = dp[i-1][1] + a[i][1]（只能从上来）
  3.2 填表法设计

表的维度：二维表 𝑑 𝑝 [ 𝑁 ] [ 𝑁 ] （或 ( 𝑁 + 1 ) × ( 𝑁 + 1 ) ），与网格一一对应。
填表范围： 1 ≤ 𝑖 ≤ 𝑁 ， 1 ≤ 𝑗 ≤ 𝑁 ，即整个 𝑁 × 𝑁 的区域。
填表顺序：由递归式可知， 𝑑 𝑝 [ 𝑖 ] [ 𝑗 ] 依赖于它上方和左方的元素，因此必须保证计算 ( 𝑖 , 𝑗 ) 时 ( 𝑖 − 1 , 𝑗 ) 和 ( 𝑖 , 𝑗 − 1 ) 已填好。采用按行优先、从左到右、从上到下的顺序填表即可满足依赖关系（按列优先同样可行）。
原问题的最优值：表格右下角的元素 𝑑 𝑝 [ 𝑁 ] [ 𝑁 ] ，即到达出口格子时的最少累计费用。

3.3 复杂度分析

时间复杂度 O(N^2)：共 N^2 个格子，每个格子只做一次比较与加法。
空间复杂度 O(N^2)：使用二维表。由于计算第 i 行只依赖第 i-1行和本行左侧，可用滚动数组压缩到 O(N)。

四、我对动态规划的理解和体会

第一，识别约束是建模的前提。"2N-1 时间限制"看似只是输入条件，实则隐含了"只能向右、向下"的关键约束，消除了后效性，使问题满足动态规划的适用条件。做 DP 题先别急着写转移方程，先想清楚问题隐含的结构。

第二，最优子结构是动态规划的灵魂。状态的定义必须做到"无论之前怎么走，到达这个格子后的最优决策只取决于这个状态本身"。状态定义得干净，转移方程往往水到渠成。

第三，边界条件决定成败。很多 DP 错误不是出在转移方程，而是出在第一行、第一列这类边界的初始化上。写代码前先在纸上填一个 3 * 3 的小表格走一遍流程，是最有效的自检方式。

第四，空间优化体现对状态依赖的深刻理解。只有真正弄清楚"每个状态到底依赖谁"，才敢放心地把二维表压成一维滚动数组。

总的来说，动态规划不只是一种算法技巧，更是一种"以空间换时间、以记录换重复"的思维方式：承认子问题会被反复需要，就诚实地把它存下来。这种思想在操作系统缓存、数据库索引乃至日常的备忘习惯中都能看到影子。