1631.最小体力消耗路径

from typing import List
class Solution:
    # 自己写的深搜，没办法通过，超时。
    def minimumEffortPath1(self, heights: List[List[int]]) -> int:
        # 判断列表是否为空
        if len(heights) == 0 or len(heights[0]) == 0:
            return 0
        row,col = len(heights),len(heights[0])
        # 定义一个标志位列表。
        dp = [[float('inf')] * col for _ in range(row)]
        # 设置最小体力变量。
        self.min_num = float('inf')
        dp[0][0] = 0
        # 进行深搜。
        self.dfs(0,0,heights,0,dp,row,col)
        return self.min_num
    def dfs(self,cur_row,cur_col,heights,consume,dp,row,col):
        if cur_row == row - 1 and cur_col == col - 1 and consume < self.min_num:
            self.min_num = consume
        moves = [[-1,0],[0,-1],[1,0],[0,1]]  #四种不同的方向左上右下
        for i,j in moves:
            cur_row_now,cur_col_now = cur_row + i,cur_col + j
            if 0 <= cur_row_now < row and 0 <= cur_col_now < col:
                consume = max(abs(heights[cur_row_now][cur_col_now] - heights[cur_row][cur_col]),dp[cur_row][cur_col])
                if consume < dp[cur_row_now][cur_col_now]:
                    dp[cur_row_now][cur_col_now] = consume
                    self.dfs(cur_row_now,cur_col_now,heights,consume,dp,row,col)
    def minimumEffortPath(self, heights: List[List[int]]) -> int:
        # 行和列的值。
        row,col = len(heights),len(heights[0])
        # 行和列小于等于1，直接返回。
        if row <= 1 and col <= 1 :return 0
        dp = [[float('inf')] * col for _ in range(row)]
        dp[0][0] = 0
        moves = [[-1,0],[0,-1],[1,0],[0,1]]  #四种不同的方向左上右下
        res = float('inf') # 定义res变量存储最后的变量
        queue = [[0,0]] # 表示当前位置。
        # 队列为空代表全部广搜完成。
        while queue:
            # 取出一个点。
            start_row,start_col = queue.pop(0)
            # 上下左右开始进行运行。
            for i,j in moves:
                cur_row,cur_col = start_row + i,start_col + j
                # 判断是否出界。
                if 0 <= cur_row < row and 0 <= cur_col < col:
                    # 求出当前体力值应该是少。
                    consume = max(abs(heights[cur_row][cur_col] - heights[start_row][start_col]),dp[start_row][start_col])
                    if cur_row == row - 1 and cur_col == col - 1 and consume < res:
                        res = consume
                    # 注意这里如果现在的体力值就已经比当前节点的体力值大了，那么就没有必要接着走了。
                    elif consume < dp[cur_row][cur_col]:
                        dp[cur_row][cur_col] = consume
                        queue.append([cur_row,cur_col])
        return res
A = Solution()
print(A.minimumEffortPath1([[1,2,1,1,1],[1,2,1,2,1],[1,2,1,2,1],[1,2,1,2,1],[1,1,1,2,1]]))