动态规划解决LeetCode Unique Paths问题详解

1. 问题背景与理解

Unique Paths是LeetCode上一道经典的动态规划问题，编号为62。题目描述如下：一个机器人位于m×n网格的左上角，每次只能向下或向右移动一步，问到达网格右下角有多少条不同的路径。

这道题之所以经典，是因为它完美展现了动态规划的核心思想——将大问题分解为子问题，并存储子问题的解以避免重复计算。我在第一次遇到这个问题时，尝试用递归暴力破解，结果在稍大的网格（比如19×13）就触发了超时。这让我意识到必须寻找更优解法。

2. 动态规划解法详解

2.1 状态定义与转移方程

定义dp[i][j]表示到达(i,j)位置的路径数。根据移动规则，机器人只能从上方或左方来到当前位置，因此状态转移方程为：

dp[i][j] = dp[i-1][j] + dp[i][j-1]

边界条件是第一行和第一列的所有位置都只有1种路径（只能一直向右或向下）。

python复制def uniquePaths(m: int, n: int) -> int:
    dp = [[1]*n for _ in range(m)]
    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[-1][-1]

2.2 空间优化技巧

观察状态转移方程可以发现，我们只需要前一行的数据即可计算当前行。因此可以将空间复杂度从O(mn)优化到O(n)：

python复制def uniquePaths(m: int, n: int) -> int:
    dp = [1] * n
    for _ in range(1, m):
        for j in range(1, n):
            dp[j] += dp[j-1]
    return dp[-1]

注意：在面试中如果能主动提出空间优化方案，通常会获得加分。建议先写出标准二维DP解法，再优化为一维。

3. 组合数学解法

3.1 数学原理分析

这个问题本质上是一个组合问题：从起点到终点需要移动(m-1)+(n-1)步，其中(m-1)步向下，(n-1)步向右。不同的路径就是这些移动步骤的不同排列组合数。

因此路径总数为组合数C(m+n-2, m-1)或C(m+n-2, n-1)。

3.2 实现与注意事项

python复制import math

def uniquePaths(m: int, n: int) -> int:
    return math.comb(m+n-2, m-1)

警告：在实际计算组合数时，要注意避免直接计算阶乘导致的整数溢出。Python的math.comb()内部已经做了优化，但如果是用其他语言实现，建议使用递推公式计算组合数。

4. 常见错误与调试技巧

4.1 边界条件处理

新手常犯的错误包括：

1. 忘记初始化第一行和第一列为1
2. 循环变量从0开始导致数组越界
3. 混淆m和n的行列对应关系

建议在纸上画出3×2的小网格手动推导，验证代码的正确性。

4.2 效率对比

测试数据：m=23, n=12

• 递归解法：超时
• 二维DP：0.03ms
• 一维DP：0.02ms
• 数学解法：0.01ms

5. 变种问题拓展

5.1 带障碍物的版本

LeetCode 63题在网格中加入了障碍物，解决思路是：

1. 遇到障碍物时dp[i][j]=0
2. 初始化第一行/列时，遇到障碍物后所有位置都不可达

5.2 最小路径和

LeetCode 64题要求找路径最小和，状态转移方程变为：
dp[i][j] = min(dp[i-1][j], dp[i][j-1]) + grid[i][j]

6. 面试应用技巧

在面试中遇到此类问题时，建议按以下步骤展开：

1. 先阐述暴力递归的思路和时间复杂度
2. 指出重复计算问题，引入动态规划
3. 写出状态转移方程和边界条件
4. 讨论空间优化可能性
5. 如果时间允许，可以提及数学解法

我在多次面试中用这个问题考察候选人，发现能完整走完这个思考流程的候选人，通常对动态规划有扎实的理解。一个实用的技巧是：先处理特殊情况（如m或n为1），可以简化主逻辑的编写。