算法-图BFS/DFS-单词接龙

算法-图BFS/DFS-单词接龙

1 题目概述

1.1 题目出处

https://leetcode-cn.com/problems/number-of-islands

1.2 题目描述

给定两个单词(beginWord 和 endWord)和一个字典,找到从 beginWord 到 endWord 的最短转换序列的长度。转换需遵循如下规则:

每次转换只能改变一个字母。
转换过程中的中间单词必须是字典中的单词。
说明:

如果不存在这样的转换序列,返回 0。
所有单词具有相同的长度。
所有单词只由小写字母组成。
字典中不存在重复的单词。
你可以假设 beginWord 和 endWord 是非空的,且二者不相同。
示例 1:

输入:
beginWord = “hit”,
endWord = “cog”,
wordList = [“hot”,“dot”,“dog”,“lot”,“log”,“cog”]

输出: 5

解释: 一个最短转换序列是 “hit” -> “hot” -> “dot” -> “dog” -> “cog”,
返回它的长度 5。
示例 2:

输入:
beginWord = “hit”
endWord = “cog”
wordList = [“hot”,“dot”,“dog”,“lot”,“log”]

输出: 0

解释: endWord “cog” 不在字典中,所以无法进行转换。

2 图-DFS

2.1 思路

将岛屿分布看做有向图,深度遍历该节点的上下左右四个方向。

遍历到一个为’1’的节点时,标记为’0’代表已经遍历过下次不再遍历。

2.2 代码

class Solution {
    public int numIslands(char[][] grid) {
        int result = 0;
        if(grid == null || grid.length == 0){
            return result;
        }
        
        for(int i = 0; i < grid.length; i++){
            char[] columns = grid[i];
            for(int j = 0; j < columns.length; j++){
                char c = columns[j];
                if(c == '1'){
                    dfs(grid, i, j);
                    result++;
                }
            }
        }
        return result;
    }
    private void dfs(char[][] grid, int row, int column){
        char[] columns = grid[row];
        char c = columns[column];
        if(c == '0'){
            return;
        }else{
            grid[row][column] = '0';
            if(column - 1 > -1){
                dfs(grid, row, column - 1);
            }
            if(column + 1 < columns.length){
                dfs(grid, row, column + 1);
            }
            if(row + 1 < grid.length){
                dfs(grid, row + 1, column);
            }
            if(row - 1 > -1){
                dfs(grid, row - 1, column);
            }
        }
    }
}

2.3 时间复杂度

在这里插入图片描述
O(N*M)

  • 其中 N 和 M 分别为行数和列数。

2.4 空间复杂度

O(N*M)

  • 因为需要递归

3 BFS

3.1 思路

将岛屿分布看做有向图,遍历开始后,从当前节点广度优先遍历。

3.2 代码

class Solution {
    private Set<String> recordSet = new HashSet<>();
    public int numIslands(char[][] grid) {
        int result = 0;
        if(grid == null || grid.length == 0){
            return result;
        }
        
        for(int i = 0; i < grid.length; i++){
            char[] columns = grid[i];
            for(int j = 0; j < columns.length; j++){
                char c = columns[j];
                if(c == '1'){
                    bfs(grid, i, j);
                    result++;
                }
            }
        }
        return result;
    }
    private void bfs(char[][] grid, int row, int column){
        char[] columns = grid[row];
        char c = columns[column];
        
        if(c == '0'){
            return;
        }
        LinkedList<int[]> coordinateQueue = new LinkedList<>();
        coordinateQueue.add(new int[]{row, column});
        // bfs
        while(!coordinateQueue.isEmpty()){
            int[] coordinate = coordinateQueue.poll();
            int i = coordinate[0];
            int j = coordinate[1];
            if(grid[i][j] == '0'){
                continue;
            }
            grid[i][j] = '0';
            if(j - 1 > -1){
                coordinateQueue.add(new int[]{i, j - 1});
            }
            if(j + 1 < columns.length){
                coordinateQueue.add(new int[]{i, j + 1});
            }
            if(i + 1 < grid.length){
                coordinateQueue.add(new int[]{i + 1, j});
            }
            if(i - 1 > -1){
                coordinateQueue.add(new int[]{ i - 1, j});
            }
        }
    }
}

3.3 时间复杂度

在这里插入图片描述
O(N*M)

  • 其中 N 和 M 分别为行数和列数。

3.4 空间复杂度

O(min(M,N))

  • 最坏情况全是岛屿

4 效率很低的第一版并查集

4.1 思路

做并查集,遇到相邻的’1’节点就合并成一个并查集。

最后返回不同的并查集数。

4.2 代码

class Solution {
    public int numIslands(char[][] grid) {
        int result = 0;
        if(grid == null || grid.length == 0){
            return result;
        }

        int[] unionFindSet = new int[grid.length * grid[0].length];
        
        for(int i = 0; i < grid.length; i++){
            char[] columns = grid[i];
            for(int j = 0; j < columns.length; j++){
                char c = columns[j];
                if(c == '1'){
                    // 初始化岛节点的并查集为index+1
                    find(unionFindSet, i * columns.length + j);
                    // 连接右侧节点
                    if(j + 1 < columns.length && grid[i][j + 1] == '1'){
                        // 这里需要将二维数组转为一位数组的下标
                        // 所以使用 当前行*列总数得到该行在一位数组中的首个下标,
                        // 再加上当前列作为偏移数得到在一维数组的下标
                        union(unionFindSet, i * columns.length + j, i * columns.length + j + 1);
                    }
                    // 连接下侧节点
                    if(i + 1 < grid.length && grid[i+1][j] == '1'){
                        union(unionFindSet, i * columns.length + j, (i + 1) * columns.length + j);
                    }
                }
            }
        }
        Set<Integer> filter = new HashSet<>();
        for(int i : unionFindSet){
            if(i != 0){
                filter.add(i);
            }
        }
        return filter.size();
    }

    private void union(int[] unionFindSet, int p, int q){
        int left = find(unionFindSet, p);
        int right = find(unionFindSet, q);
        if(left == right){
            return;
        }
        // 查找出所有和右边元素同一个并查集元素,和左边合并
        for(int i = 0; i < unionFindSet.length; i++){
            if(unionFindSet[i] == right){
                unionFindSet[i] = left;
            }
        }
    }

    private int find(int[] unionFindSet, int p){
        if(unionFindSet[p] == 0){
            unionFindSet[p] = p + 1;
        }
        return unionFindSet[p];
    }
}

4.3 时间复杂度

在这里插入图片描述

5 并查集-优化

5.1 思路

合并两个不同祖先的节点时,将他们的祖先合并为一个即可。

最后遍历计算出不同的祖先数作为结果返回。

在union的时候还采用了压缩路径优化方法,提升查找效率。

5.2 代码

class Solution {
    public int numIslands(char[][] grid) {
        int result = 0;
        if(grid == null || grid.length == 0){
            return result;
        }

        int[] unionFindSet = new int[grid.length * grid[0].length];

        // 初始化所有节点的并查集,父节点设为自己
        for(int i = 0; i < grid.length; i++){
            char[] columns = grid[i];
            for(int j = 0; j < columns.length; j++){
                unionFindSet[i * columns.length + j] = i * columns.length + j;
            }
        }
        // 下面开始合并岛节点
        for(int i = 0; i < grid.length; i++){
            char[] columns = grid[i];
            for(int j = 0; j < columns.length; j++){
                char c = columns[j];
                if(c == '1'){
                    // 初始化岛节点的并查集为index+1
                    // find(unionFindSet, i * columns.length + j);
                    // 连接右侧节点
                    if(j + 1 < columns.length && grid[i][j + 1] == '1'){
                        // 这里需要将二维数组转为一位数组的下标
                        // 所以使用 当前行*列总数得到该行在一位数组中的首个下标,
                        // 再加上当前列作为偏移数得到在一维数组的下标
                        union(unionFindSet, i * columns.length + j, i * columns.length + j + 1);
                    }
                    // 连接下侧节点
                    if(i + 1 < grid.length && grid[i+1][j] == '1'){
                        union(unionFindSet, i * columns.length + j, (i + 1) * columns.length + j);
                    }
                }else{
                    // 海洋节点,将他们的父节点设为-1,不参与累计
                    unionFindSet[i * columns.length + j] = -1;
                }
            }
        }
        // 去重根节点
        Set<Integer> filter = new HashSet<>();
        // 将所有父节点不为-1的节点全部取出,并寻找他们的父节点
        // 只要父节点不为-1就放入过滤器统计
        for(int i = 0; i < unionFindSet.length; i++){
            if(unionFindSet[i] == -1){
                continue;
            }
            int root = find(unionFindSet, i);
            if(root > -1){
                filter.add(root);
            }
        }
        // 最终返回不重复的根节点数
        return filter.size();
    }

    private void union(int[] unionFindSet, int p, int q){
        int left = find(unionFindSet, p);
        int right = find(unionFindSet, q);
        // 说明本来就在一个并查集内,不用处理
        if(left == right){
            return;
        }
        // 将右边元素的老祖先作为左边元素老祖先的父节点,实现联通
        unionFindSet[left] = right;
    }

    private int find(int[] unionFindSet, int p){
        int son = p;
        // 寻找祖先根节点
        while(p != unionFindSet[p]){
            p = unionFindSet[p];
        }
        // 路径压缩优化,将当前节点及祖先节点的父节点都设为祖先根节点
        // 即将高度压缩为2,方便查找
        while(son != p){
            int tmp = unionFindSet[son];
            unionFindSet[son] = p;
            son = tmp;
        }
        return p;
    }    
}

5.3 时间复杂度

在这里插入图片描述
参考岛屿数量

5.4 空间复杂度

O(M*N)

参考文档

  • 算法-并查集

你可能感兴趣的:(算法,宽度优先,深度优先)