本文涉及知识点
LeetCode2435. 矩阵中和能被 K 整除的路径
给你一个下标从 0 开始的 m x n 整数矩阵 grid 和一个整数 k 。你从起点 (0, 0) 出发，每一步只能往 下 或者往 右 ，你想要到达终点 (m - 1, n - 1) 。
请你返回路径和能被 k 整除的路径数目，由于答案可能很大，返回答案对 109 + 7 取余 的结果。
示例 1：
输入：grid = [[5,2,4],[3,0,5],[0,7,2]], k = 3
输出：2
解释：有两条路径满足路径上元素的和能被 k 整除。
第一条路径为上图中用红色标注的路径，和为 5 + 2 + 4 + 5 + 2 = 18 ，能被 3 整除。
第二条路径为上图中用蓝色标注的路径，和为 5 + 3 + 0 + 5 + 2 = 15 ，能被 3 整除。
示例 2：
输入：grid = [[0,0]], k = 5
输出：1
解释：红色标注的路径和为 0 + 0 = 0 ，能被 5 整除。
示例 3：
输入：grid = [[7,3,4,9],[2,3,6,2],[2,3,7,0]], k = 1
输出：10
解释：每个数字都能被 1 整除，所以每一条路径的和都能被 k 整除。
提示：
m == grid.length
n == grid[i].length
1 <= m, n <= 5 * 104
1 <= m * n <= 5 * 104
0 <= grid[i][j] <= 100
1 <= k <= 50
动态规划
动态规划的状态表示
dp[r][c][k] 记录从起点到达(r,c) 路径和%K == k的方案数。空间复杂度：O(mnk)
动态规划的转移方程
枚举前置状态(r,c,k)
(r1,c1)是(r+1,c)或(r,c+1)
dp[r1][c1][(k+grid[r1][c1])%K] += dp[r][c][k]
单个状态转移的时间复杂度是：O(1)，** 总复杂度**：O(mnk)
动态规划的填表顺序
先行后列，行号和列号都从小到大。
由于只能下移，不能上移，所以行号小的一定是前置节点。由于只能右移，不能左移，所以行号相同，列号小的是前置节点。
动态规划的初始值
全部为0。
动态规划的返回值
dp.back().back()[0]
代码
核心代码
template<int MOD = 1000000007>
class C1097Int
{
public:
C1097Int(long long llData = 0) :m_iData(llData% MOD)
{
}
C1097Int operator+(const C1097Int& o)const
{
return C1097Int(((long long)m_iData + o.m_iData) % MOD);
}
C1097Int& operator+=(const C1097Int& o)
{
m_iData = ((long long)m_iData + o.m_iData) % MOD;
return *this;
}
C1097Int& operator-=(const C1097Int& o)
{
m_iData = (m_iData + MOD - o.m_iData) % MOD;
return *this;
}
C1097Int operator-(const C1097Int& o)
{
return C1097Int((m_iData + MOD - o.m_iData) % MOD);
}
C1097Int operator*(const C1097Int& o)const
{
return((long long)m_iData * o.m_iData) % MOD;
}
C1097Int& operator*=(const C1097Int& o)
{
m_iData = ((long long)m_iData * o.m_iData) % MOD;
return *this;
}
C1097Int operator/(const C1097Int& o)const
{
return *this * o.PowNegative1();
}
C1097Int& operator/=(const C1097Int& o)
{
*this /= o.PowNegative1();
return *this;
}
bool operator==(const C1097Int& o)const
{
return m_iData == o.m_iData;
}
bool operator<(const C1097Int& o)const
{
return m_iData < o.m_iData;
}
C1097Int pow(long long n)const
{
C1097Int iRet = 1, iCur = *this;
while (n)
{
if (n & 1)
{
iRet *= iCur;
}
iCur *= iCur;
n >>= 1;
}
return iRet;
}
C1097Int PowNegative1()const
{
return pow(MOD - 2);
}
int ToInt()const
{
return m_iData;
}
private:
int m_iData = 0;;
};
class Solution {
public:
int numberOfPaths(vector<vector<int>>& grid, int K) {
const int R = grid.size();
const int C = grid[0].size();
vector<vector<vector<C1097Int<>>>> dp(R, vector<vector<C1097Int<>>>(C, vector<C1097Int<>>(K)));
dp[0][0][grid[0][0] % K] = 1;
for (int r = 0; r < R; r++) {
for (int c = 0; c < C; c++) {
for (int k = 0; k < K; k++) {
if (r + 1 < R) {
dp[r + 1][c][(k + grid[r + 1][c]) % K] += dp[r][c][k];
}
if (c + 1 < C) {
dp[r][c + 1][(k + grid[r][c + 1]) % K] += dp[r][c][k];
}
}
}
}
return dp.back().back()[0].ToInt();
}
};
单元测试
vector<vector<int>> grid;
int k;
TEST_METHOD(TestMethod11)
{
grid = {
{
5,2,4},{
3,0,5},{
0,7,2} }, k = 3;
auto res = Solution().numberOfPaths(grid, k);
AssertEx(2, res);
}
TEST_METHOD(TestMethod12)
{
grid = {
{
0,0} }, k = 5;
auto res = Solution().numberOfPaths(grid, k);
AssertEx(1, res);
}
TEST_METHOD(TestMethod13)
{
grid = {
{
7,3,4,9},{
2,3,6,2},{
2,3,7,0} }, k = 1;
auto res = Solution().numberOfPaths(grid, k);
AssertEx(10, res);
}
扩展阅读
| 我想对大家说的话 |
|---|
| 工作中遇到的问题，可以按类别查阅鄙人的算法文章，请点击《算法与数据汇总》。 |
| 学习算法：按章节学习《喜缺全书算法册》，大量的题目和测试用例，打包下载。重视操作 |
| 有效学习：明确的目标 及时的反馈 拉伸区（难度合适） 专注 |
| 闻缺陷则喜(喜缺)是一个美好的愿望，早发现问题，早修改问题，给老板节约钱。 |
| 子墨子言之：事无终始，无务多业。也就是我们常说的专业的人做专业的事。 |
| 如果程序是一条龙，那算法就是他的是睛 |
| 失败+反思=成功 成功+反思=成功 |
视频课程
先学简单的课程，请移步CSDN学院，听白银讲师（也就是鄙人）的讲解。
https://edu.csdn.net/course/detail/38771
如何你想快速形成战斗了，为老板分忧，请学习C#入职培训、C++入职培训等课程
https://edu.csdn.net/lecturer/6176
测试环境
操作系统：win7 开发环境： VS2019 C++17
或者 操作系统：win10 开发环境： VS2022 C++17
如无特殊说明，本算法用**C++**实现。
