📋 問題概要
+
+
+
+
+ + ロボットがm×nグリッドの左上角(0,0)から右下角(m-1,n-1)に移動する際の、 + 一意な経路数を計算する問題です。 +
+-
+
- ロボットは右または下にのみ移動可能 +
- 制約: 1 ≤ m, n ≤ 100 +
- 結果は 2 × 10⁹ 以下が保証 +
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+ 🧮 数学的解法 (最適解)
+ +
+
+
+ 💡 核心アイデア
+
+ この問題は組み合わせ数学の問題として解けます。
+ ロボットは合計 (m-1) + (n-1) = m+n-2 回移動し、
+ そのうち右に n-1 回、下に m-1 回移動します。
+
+ C(m+n-2, min(m-1, n-1))
+
+
+ + これは「m+n-2回の移動のうち、右移動（または下移動）の回数を選ぶ組み合わせ」として表現できます。 +
+
+
+
+ ⚡ 実装コード
+import math
+
+class Solution:
+ def uniquePaths(self, m: int, n: int) -> int:
+ """
+ 数学的解法による経路数計算
+ Time: O(1), Space: O(1)
+ """
+ # 組み合わせ数 C(m+n-2, min(m-1, n-1))
+ total_moves = m + n - 2
+ right_moves = n - 1
+ down_moves = m - 1
+
+ # math.comb()はPython 3.8+のC実装で高速
+ return math.comb(total_moves, min(right_moves, down_moves))
+
+ def uniquePathsManual(self, m: int, n: int) -> int:
+ """
+ 手動実装版（Python 3.7以下対応）
+ """
+ total_moves = m + n - 2
+ k = min(m - 1, n - 1)
+
+ result = 1
+ for i in range(k):
+ result = result * (total_moves - i) // (i + 1)
+
+ return result
+
+ 📊 計算例: m=3, n=7
+
+
+
+
+ 計算過程:
+
+
+ 総移動回数: 3+7-2 = 8
+ 右移動回数: 7-1 = 6
+ 下移動回数: 3-1 = 2
+ C(8, 2) = 8!/(2!×6!) = 28
+
+
+
+
+
+
+
+ 📈 1次元動的プログラミング
+ +
+
+
+ 💡 核心アイデア
++ 2次元DPの空間計算量を最適化し、O(min(m,n))まで削減。 + 前の行の情報のみを保持することで実現します。 +
+
+
+
+ ⚡ 実装コード
+def uniquePathsDP1D(self, m: int, n: int) -> int:
+ """
+ 1次元DPによる実装
+ Time: O(m×n), Space: O(min(m,n))
+ """
+ # メモリ効率化: 小さい方の次元で配列作成
+ cols = min(m, n)
+ rows = max(m, n)
+
+ # DPテーブル初期化
+ dp = [1] * cols
+
+ # 各行を処理
+ for i in range(1, rows):
+ for j in range(1, cols):
+ # dp[j] = 上から + 左から
+ dp[j] += dp[j - 1]
+
+ return dp[cols - 1]
+
+ 🎯 可視化デモ
+
+
+
+ ステップ: 0
+
+
+
+
+
+
+
+
+ 📋 2次元動的プログラミング
+ +
+
+
+ 💡 核心アイデア
+
+ 最も直感的な解法。各セル(i,j)への経路数は、
+ dp[i][j] = dp[i-1][j] + dp[i][j-1] で計算。
+
+
+
+ ⚡ 実装コード
+def uniquePaths2D(self, m: int, n: int) -> int:
+ """
+ 2次元DPによる実装
+ Time: O(m×n), Space: O(m×n)
+ """
+ # 2次元DPテーブル初期化
+ dp = [[0] * n for _ in range(m)]
+
+ # 初期化: 最初の行と列は全て1
+ for i in range(m):
+ dp[i][0] = 1
+ for j in range(n):
+ dp[0][j] = 1
+
+ # DPテーブル更新
+ 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[m-1][n-1]
+
+ 🎯 可視化デモ
+
+
+
+ ステップ: 0
+
+
+
+
+
+
+ 📊 アルゴリズム比較分析
+ +
+
+
+ ⚖️ 計算量比較
+
+
+
+
+
+ | 解法 | +時間計算量 | +空間計算量 | +可読性 | +実装難易度 | +
|---|---|---|---|---|
| 数学的解法 | +O(1) | +O(1) | +高 | +低 | +
| 1次元DP | +O(m×n) | +O(min(m,n)) | +中 | +中 | +
| 2次元DP | +O(m×n) | +O(m×n) | +最高 | +低 | +
+
+
+ 🚀 パフォーマンステスト
+
+
+
+
+
+
+ パフォーマンステストを実行してください
+
+
+ 💡 選択指針
+
+
+
+
+ 数学的解法 推奨
+-
+
- 競技プログラミング +
- 高速処理が必要 +
- メモリ制約が厳しい +
+
+ 1次元DP 推奨
+-
+
- メモリ効率重視 +
- DPの学習目的 +
- 拡張性が必要 +
+
+ 2次元DP 推奨
+-
+
- 教育・学習目的 +
- 可読性最優先 +
- デバッグが必要 +
🎯 まとめ
+
+
+
+
+ 📈 学習ポイント
+-
+
- 問題の抽象化: 格子経路問題を組み合わせ数学で解く +
- 空間計算量最適化: 2次元→1次元DPへの変換 +
- 数学的洞察: 動的プログラミングを数式で置き換え +
- 実装選択: 用途に応じた最適解法の選択 +
+
+ 🔧 実装のコツ
+-
+
- 境界条件: 最初の行・列の初期化 +
- オーバーフロー対策: 整数演算の順序に注意 +
- メモリ最適化: 必要最小限のデータ構造使用 +
- 型安全性: 適切な型ヒントの活用 +