动态规划解决棋盘路径问题：从递归到数学优化

1. 题目理解与问题拆解

棋盘路径问题是一个经典的动态规划入门题目。给定一个m×n的网格，机器人从左上角出发，每次只能向右或向下移动一步，最终到达右下角终点。我们需要计算出所有可能的路径数量。

这个问题可以抽象为一个数学上的组合问题。想象一下，要从起点走到终点，机器人必须执行以下动作序列：

• 向下移动 (m-1) 次
• 向右移动 (n-1) 次

因此，总的移动步数为 (m-1)+(n-1) = m+n-2步。所有可能的路径就是这些移动步骤的不同排列组合。

提示：在实际面试中，建议先画出3×3或2×3的小网格示例，通过枚举所有路径来直观理解问题。这能帮助面试官确认你真正理解了题意。

2. 暴力递归解法剖析

2.1 递归思路实现

最直观的解法是使用递归。定义递归函数dfs(i,j)表示从(0,0)到(i,j)的路径数。根据题目规则，任何位置(i,j)只能从其上方(i-1,j)或左方(i,j-1)到达，因此有递归关系：

code复制dfs(i,j) = dfs(i-1,j) + dfs(i,j-1)

边界条件是当i=0或j=0时，只有一条直线路径，返回1。

java复制class Solution {
    public int uniquePaths(int m, int n) {
        return dfs(m - 1, n - 1);
    }

    private int dfs(int i, int j) {
        if (i < 0 || j < 0) return 0;
        if (i == 0 || j == 0) return 1;
        return dfs(i - 1, j) + dfs(i, j - 1);
    }
}

2.2 复杂度分析与缺陷

这种解法虽然简单，但存在严重的性能问题。以3×7的网格为例，递归树会指数级膨胀：

• 时间复杂度：O(2^(m+n))，因为每个递归调用会产生两个子调用
• 空间复杂度：O(m+n)，由递归栈深度决定

在实际测试中，当m=n=20时，递归解法就已经无法在合理时间内完成计算。这是因为大量子问题被重复计算，比如dfs(18,18)会被计算数百万次。

3. 记忆化搜索优化