给你一个由 '1'
(陆地)和 '0'
(水)组成的的二维网格,请你计算网格中岛屿的数量。
岛屿总是被水包围,并且每座岛屿只能由水平方向和/或竖直方向上相邻的陆地连接形成。
此外,你可以假设该网格的四条边均被水包围。
示例 1:
输入:grid = [ ["1","1","1","1","0"], ["1","1","0","1","0"], ["1","1","0","0","0"], ["0","0","0","0","0"] ] 输出:1
示例 2:
输入:grid = [ ["1","1","0","0","0"], ["1","1","0","0","0"], ["0","0","1","0","0"], ["0","0","0","1","1"] ] 输出:3
提示:
m == grid.length
n == grid[i].length
1 <= m, n <= 300
grid[i][j]
的值为'0'
或'1'
解法一:深度优先
class Solution {
private:
void dfs(vector<vector<char>>& grid, int r, int c) {
int nr = grid.size();
int nc = grid[0].size();
grid[r][c] = '0';
if (r - 1 >= 0 && grid[r - 1][c] == '1')
dfs(grid, r - 1, c);
if (r + 1 < nr && grid[r + 1][c] == '1')
dfs(grid, r + 1, c);
if (c + 1 < nc && grid[r][c + 1] == '1')
dfs(grid, r, c + 1);
if (c - 1 >= 0 && grid[r][c - 1] == '1')
dfs(grid, r, c - 1);
}
public:
int numIslands(vector<vector<char>>& grid) {
int nr=grid.size();
int nc=grid[0].size();
if(!nr)
return 0;
int num_islands=0;
for(int r=0;r<nr;r++){
for(int c=0;c<nc;c++){
if(grid[r][c]=='1'){
++num_islands;
dfs(grid,r,c);
}
}
}
return num_islands;
}
};
代码中定义了一个私有函数dfs,用来进行深度优先搜索。dfs函数的作用是将与当前位置相连的所有陆地都标记为水域,即将字符'1'修改为字符'0'。具体实现是通过递归调用dfs函数来进行遍历,对当前位置上、下、左、右四个方向进行检查,如果相连的位置是陆地(即字符为'1'),则继续递归调用dfs函数。
公有函数numIslands是整个算法的入口。它首先获取矩阵的行数nr和列数nc,然后对矩阵进行遍历。如果当前位置是岛屿(即字符为'1'),则将岛屿数量加1,并调用dfs函数将与该岛屿相连的所有陆地都标记为水域。
最后,函数返回岛屿数量。
整个算法的思路是利用深度优先搜索来遍历矩阵中的每个岛屿,并将与其相连的陆地都标记为水域,从而统计出岛屿的数量。
解法二:广度优先
class Solution {
public:
int numIslands(vector<vector<char>>& grid) {
int nr = grid.size();
int nc = grid[0].size();
if (nr == 0)
return 0;
int num_islands = 0;
for (int r = 0; r < nr; r++) {
for (int c = 0; c < nc; c++) {
if (grid[r][c] == '1') {
++num_islands;
grid[r][c] = '0';
queue<pair<int, int>> neighbors;
neighbors.push({r, c});
while (!neighbors.empty()) {
auto rc = neighbors.front();
neighbors.pop();
int row = rc.first, col = rc.second;
if (row - 1 >= 0 && grid[row - 1][col] == '1') {
neighbors.push({row - 1, col});
grid[row - 1][col] = '0';
}
if (row + 1 < nr && grid[row + 1][col] == '1') {
neighbors.push({row + 1, col});
grid[row + 1][col] = '0';
}
if (col - 1 >= 0 && grid[row][col - 1] == '1') {
neighbors.push({row, col - 1});
grid[row][col - 1] = '0';
}
if (col + 1 < nc && grid[row][col + 1] == '1') {
neighbors.push({row, col + 1});
grid[row][col + 1] = '0';
}
}
}
}
}
return num_islands;
}
};
与之前的代码相比,主要区别在于使用了队列来存储待访问的岛屿的位置,从而实现广度优先搜索。
具体实现如下:
- 遍历整个矩阵,如果当前位置是岛屿(字符为'1'),则将岛屿数量加1,并将当前位置标记为水域(字符改为'0')。
- 创建一个队列neighbors,将当前位置加入队列。
- 开始循环,直到队列为空。每次循环取出队列的头部元素,即当前待访问的岛屿位置。
- 对当前位置的上、下、左、右四个方向进行检查,如果相邻位置是岛屿(字符为'1'),则将相邻位置加入队列neighbors,并将相邻位置标记为水域(字符改为'0')。
- 循环结束后,所有与当前岛屿相连的陆地都被标记为水域。
- 继续遍历下一个岛屿。
最后,函数返回岛屿数量。
整个算法的思路是利用广度优先搜索来遍历矩阵中的每个岛屿,并将与其相连的陆地都标记为水域,从而统计出岛屿的数量。与深度优先搜索相比,广度优先搜索使用了队列来存储待访问的岛屿位置,从而实现广度优先遍历的效果。