问题描述
假设有一个三维空间的网格，其大小为 m x n x p。我们从坐标 (0, 0, 0) 出发，要到达坐标 (m - 1, n - 1, p - 1)。每次只能在三个方向上移动：向前（x 坐标加 1）、向右（y 坐标加 1）或向上（z 坐标加 1）。问一共有多少种不同的路径可以到达终点？
1. 递归解法
递归是一种直接根据问题的定义来解决问题的方法。对于这个三维路径问题，我们可以通过递归函数来计算到达终点的路径数。
java
public class ThreeDimensionalPath {
// 递归方法计算路径数
public static int recursivePaths(int m, int n, int p) {
// 边界条件：如果到达起点，只有一种路径
if (m == 0 && n == 0 && p == 0) {
return 1;
}
// 如果越界，返回 0 表示没有路径
if (m < 0 || n < 0 || p < 0) {
return 0;
}
// 递归计算从三个方向过来的路径数之和
return recursivePaths(m - 1, n, p) + recursivePaths(m, n - 1, p) + recursivePaths(m, n, p - 1);
}
public static void main(String[] args) {
int m = 2, n = 2, p = 2;
int paths = recursivePaths(m, n, p);
System.out.println("递归方法：从 (0, 0, 0) 到 (" + m + ", " + n + ", " + p + ") 的路径数为: " + paths);
}
}解释：
- 递归函数
recursivePaths接收三个参数m、n和p，表示目标点的坐标。 - 当到达起点
(0, 0, 0)时，返回 1，表示有一种路径到达该点。 - 如果越界（即某个坐标小于 0），返回 0，表示没有路径。
- 否则，递归计算从三个方向（
(m - 1, n, p)、(m, n - 1, p)和(m, n, p - 1)）过来的路径数之和。
缺点：递归方法存在大量的重复计算，时间复杂度非常高，为 O(3的m+n+p次方)，因为每次递归调用都会产生三个新的递归调用。
2. 三维动态规划解法
动态规划是一种通过保存子问题的解来避免重复计算的方法。对于这个三维路径问题，我们可以使用一个三维数组来保存中间结果。
java
public class ThreeDimensionalPath {
// 三维动态规划方法计算路径数
public static int dpPaths(int m, int n, int p) {
// 创建一个三维数组来保存中间结果
int[][][] dp = new int[m + 1][n + 1][p + 1];
// 初始化起点的路径数为 1
dp[0][0][0] = 1;
// 填充三维数组
for (int i = 0; i <= m; i++) {
for (int j = 0; j <= n; j++) {
for (int k = 0; k <= p; k++) {
if (i > 0) {
dp[i][j][k] += dp[i - 1][j][k];
}
if (j > 0) {
dp[i][j][k] += dp[i][j - 1][k];
}
if (k > 0) {
dp[i][j][k] += dp[i][j][k - 1];
}
}
}
}
// 返回终点的路径数
return dp[m][n][p];
}
public static void main(String[] args) {
int m = 2, n = 2, p = 2;
int paths = dpPaths(m, n, p);
System.out.println("三维动态规划方法：从 (0, 0, 0) 到 (" + m + ", " + n + ", " + p + ") 的路径数为: " + paths);
}
}解释：
- 首先，创建一个三维数组
dp，其大小为(m + 1) x (n + 1) x (p + 1)，用于保存从起点到每个点的路径数。 - 初始化起点
(0, 0, 0)的路径数为 1。 - 然后，使用三重循环遍历三维数组，对于每个点
(i, j, k)，如果i > 0，则加上从(i - 1, j, k)过来的路径数；如果j > 0，则加上从(i, j - 1, k)过来的路径数；如果k > 0，则加上从(i, j, k - 1)过来的路径数。 - 最后，返回终点
(m, n, p)的路径数。
优点：动态规划方法避免了重复计算，时间复杂度为 O(m∗n∗p)，空间复杂度也为 O(m∗n∗p)。
相应题目链接