目录
多源BFS解决最短路算法原理
什么是单源最短路 / 多源最短路?
之前的BFS解决最短路都是解决的单源最短路。
画图来说,单源最短路问题即为:
而对于多源最短路问题:
如何解决此类题?
自然是利用多源BFS解决,下面提出解法:
当我们将所有的源点作为一个源点来进行解题时,问题又变成了单源最短路问题,而为什么可以认为这种解法是正确的呢?
- 感性的理解 :对于上图的ABC三点,显然A点到目标点的距离更远,当我们将其作为一个点时,A点就会被直接排除,此时该特殊源点实际上就是最近的源点的合并。
对于解法二,如何编写代码?
对于 单源最短路 问题的BFS解法为:
- 将起始点加入到队列中,再进行一层一层的扩展
自然,对于 多源最短路 的BFS解法为:
- 将所有的起始点加入到队列中,再进行一层一层的扩展
①力扣542. 01 矩阵
难度 中等
给定一个由 0
和 1
组成的矩阵 mat
,请输出一个大小相同的矩阵,其中每一个格子是 mat
中对应位置元素到最近的 0
的距离。
两个相邻元素间的距离为 1
。
示例 1:
输入:mat = [[0,0,0],[0,1,0],[0,0,0]] 输出:[[0,0,0],[0,1,0],[0,0,0]]
示例 2:
输入:mat = [[0,0,0],[0,1,0],[1,1,1]] 输出:[[0,0,0],[0,1,0],[1,2,1]]
提示:
m == mat.length
n == mat[i].length
1 <= m, n <= 10^4
1 <= m * n <= 10^4
mat[i][j] is either 0 or 1.
mat
中至少有一个0
class Solution {
public:
vector<vector<int>> updateMatrix(vector<vector<int>>& mat) {
}
};
解析代码
对于求的最终结果,有两种方式:
- 第一种方式:从每一个 1 开始,然后通过层序遍历找到离它最近的 0 。这一种方式,会以所有的 1 起点,来一次层序遍历,势必会遍历到很多重复的点。并且如果矩阵中只有一个 0 的话,每一次层序遍历都要遍历很多层,时间复杂度较高。
- 第二种方式:正难则反,从 0 开始层序遍历,并且记录遍历的层数。当第一次碰到 1 的时候,当前的层数就是这个 1 离 0 的最短距离。
第二种方式,在遍历的时候标记一下处理过的 1 ,能够做到只用历整个矩阵一次,就能得到最终结果。 但是有一个问题, 0 是有很多个的,怎么才能保证遇到的 1 距离这一个 0 是最近的呢?可以先把所有的 0 都放在队列中,把它们当成一个整体,每次把当前队列里面的所有元素向外扩展一次。可以开一个dist数组就能完成类似前面BFS解决最短路所需的bool数组,step和size变量:初始化成-1的话就是没遍历的,遍历的step只需在前一个格子加1,层数也能确定。
class Solution {
int dx[4] = {0, 0, -1, 1};
int dy[4] = {1, -1, 0, 0};
public:
vector<vector<int>> updateMatrix(vector<vector<int>>& mat) {
int m = mat.size(), n = mat[0].size();
vector<vector<int>> dist(m, vector<int>(n, -1));
queue<pair<int, int>> q;
for(int i = 0; i < m; i++) // 把所有的源点加⼊到队列中
{
for(int j = 0; j < n; j++)
{
if(mat[i][j] == 0)
{
q.push({i, j});
dist[i][j] = 0;
}
}
}
while(!q.empty()) // ⼀层⼀层往外扩
{
auto [a, b] = q.front();
q.pop();
for(int i = 0; i < 4; ++i)
{
int x = a + dx[i], y = b + dy[i];
if(x >= 0 && x < m && y >= 0 && y < n && dist[x][y] == -1)
{
dist[x][y] = dist[a][b] + 1;
q.push({x, y});
}
}
}
return dist;
}
};
也可以不开空间直接在原数组操作
class Solution {
int dx[4] = {0, 0, -1, 1};
int dy[4] = {1, -1, 0, 0};
public:
vector<vector<int>> updateMatrix(vector<vector<int>>& mat) {
int m = mat.size(), n = mat[0].size();
queue<pair<int, int>> q;
for(int i = 0; i < m; i++) // 把所有的源点加⼊到队列中
{
for(int j = 0; j < n; j++)
{
if(mat[i][j] == 0)
q.push({i, j});
else
mat[i][j] = -1;
}
}
while(!q.empty()) // ⼀层⼀层往外扩
{
auto [a, b] = q.front();
q.pop();
for(int i = 0; i < 4; ++i)
{
int x = a + dx[i], y = b + dy[i];
if(x >= 0 && x < m && y >= 0 && y < n && mat[x][y] == -1)
{
mat[x][y] = mat[a][b] + 1;
q.push({x, y});
}
}
}
return mat;
}
};
②力扣1020. 飞地的数量
难度 中等
给你一个大小为 m x n
的二进制矩阵 grid
,其中 0
表示一个海洋单元格、1
表示一个陆地单元格。
一次 移动 是指从一个陆地单元格走到另一个相邻(上、下、左、右)的陆地单元格或跨过 grid
的边界。
返回网格中 无法 在任意次数的移动中离开网格边界的陆地单元格的数量。
示例 1:
输入:grid = [[0,0,0,0],[1,0,1,0],[0,1,1,0],[0,0,0,0]] 输出:3 解释:有三个 1 被 0 包围。一个 1 没有被包围,因为它在边界上。
示例 2:
输入:grid = [[0,1,1,0],[0,0,1,0],[0,0,1,0],[0,0,0,0]] 输出:0 解释:所有 1 都在边界上或可以到达边界。
提示:
m == grid.length
n == grid[i].length
1 <= m, n <= 500
grid[i][j]
的值为0
或1
class Solution {
public:
int numEnclaves(vector<vector<int>>& grid) {
}
};
解析代码
正难则反,从边上的 1 开始搜索,把与边上 1 相连的联通区域全部标记一下,然后再遍历一遍矩阵,看看哪些位置的 1 没有被标记即可标记的时候,可以用多源BFS解决。
class Solution {
int dx[4] = {0, 0, -1, 1};
int dy[4] = {1, -1, 0, 0};
public:
int numEnclaves(vector<vector<int>>& grid) {
int m = grid.size(), n = grid[0].size();
queue<pair<int, int>> q;
for(int j = 0; j < n; ++j) // 1. 处理边界的1
{
if(grid[0][j] == 1) // 第一行
{
grid[0][j] = -1;
q.push({0, j});
}
if(grid[m - 1][j] == 1) // 最后一行
{
grid[m - 1][j] = -1;
q.push({m - 1, j});
}
}
for(int i = 0; i < m; ++i)
{
if(grid[i][0] == 1) // 第一列
{
grid[i][0] = -1;
q.push({i, 0});
}
if(grid[i][n - 1] == 1) // 最后一列
{
grid[i][n - 1] = -1;
q.push({i, n - 1});
}
}
while(!q.empty())
{
auto[a, b] = q.front();
q.pop();
for(int i = 0; i < 4; ++i)
{
int x = a + dx[i], y = b + dy[i];
if(x >= 0 && x < m && y >= 0 && y < n && grid[x][y] == 1)
{
grid[x][y] = -1;
q.push({x, y});
}
}
}
int ret = 0;
for(int i = 0; i < m; ++i)
{
for(int j = 0; j < n; ++j)
{
if(grid[i][j] == 1)
++ret;
}
}
return ret;
}
};
③力扣1765. 地图中的最高点
难度 中等
给你一个大小为 m x n
的整数矩阵 isWater
,它代表了一个由 陆地 和 水域 单元格组成的地图。
- 如果
isWater[i][j] == 0
,格子(i, j)
是一个 陆地 格子。 - 如果
isWater[i][j] == 1
,格子(i, j)
是一个 水域 格子。
你需要按照如下规则给每个单元格安排高度:
- 每个格子的高度都必须是非负的。
- 如果一个格子是 水域 ,那么它的高度必须为
0
。 - 任意相邻的格子高度差 至多 为
1
。当两个格子在正东、南、西、北方向上相互紧挨着,就称它们为相邻的格子。(也就是说它们有一条公共边)
找到一种安排高度的方案,使得矩阵中的最高高度值 最大 。
请你返回一个大小为 m x n
的整数矩阵 height
,其中 height[i][j]
是格子 (i, j)
的高度。如果有多种解法,请返回 任意一个 。
示例 1:
输入:isWater = [[0,1],[0,0]] 输出:[[1,0],[2,1]] 解释:上图展示了给各个格子安排的高度。 蓝色格子是水域格,绿色格子是陆地格。
示例 2:
输入:isWater = [[0,0,1],[1,0,0],[0,0,0]] 输出:[[1,1,0],[0,1,1],[1,2,2]] 解释:所有安排方案中,最高可行高度为 2 。 任意安排方案中,只要最高高度为 2 且符合上述规则的,都为可行方案。
提示:
m == isWater.length
n == isWater[i].length
1 <= m, n <= 1000
isWater[i][j]
要么是0
,要么是1
。- 至少有 1 个水域格子。
class Solution {
public:
vector<vector<int>> highestPeak(vector<vector<int>>& isWater) {
}
};
解析代码
力扣542. 01 矩阵的变型题,直接用多源BFS解决即可
class Solution {
int dx[4] = {0, 0, -1, 1};
int dy[4] = {1, -1, 0, 0};
public:
vector<vector<int>> highestPeak(vector<vector<int>>& isWater) {
int m = isWater.size(), n = isWater[0].size();
vector<vector<int>> high(m, vector<int>(n, -1));
queue<pair<int, int>> q;
for(int i = 0; i < m; i++) // 把所有的源点(水域)加⼊到队列中
{
for(int j = 0; j < n; j++)
{
if(isWater[i][j] == 1) // 1为水域,高度为0
{
q.push({i, j});
high[i][j] = 0;
}
}
}
while(!q.empty()) // ⼀层⼀层往外扩
{
auto [a, b] = q.front();
q.pop();
for(int i = 0; i < 4; ++i)
{
int x = a + dx[i], y = b + dy[i];
if(x >= 0 && x < m && y >= 0 && y < n && high[x][y] == -1)
{
high[x][y] = high[a][b] + 1;
q.push({x, y});
}
}
}
return high;
}
};
④力扣1162. 地图分析
难度 中等
你现在手里有一份大小为 n x n
的 网格 grid
,上面的每个 单元格 都用 0
和 1
标记好了。其中 0
代表海洋,1
代表陆地。
请你找出一个海洋单元格,这个海洋单元格到离它最近的陆地单元格的距离是最大的,并返回该距离。如果网格上只有陆地或者海洋,请返回 -1
。
我们这里说的距离是「曼哈顿距离」( Manhattan Distance):(x0, y0)
和 (x1, y1)
这两个单元格之间的距离是 |x0 - x1| + |y0 - y1|
。
示例 1:
输入:grid = [[1,0,1],[0,0,0],[1,0,1]] 输出:2 解释: 海洋单元格 (1, 1) 和所有陆地单元格之间的距离都达到最大,最大距离为 2。
示例 2:
输入:grid = [[1,0,0],[0,0,0],[0,0,0]] 输出:4 解释: 海洋单元格 (2, 2) 和所有陆地单元格之间的距离都达到最大,最大距离为 4。
提示:
n == grid.length
n == grid[i].length
1 <= n <= 100
grid[i][j]
不是0
就是1
class Solution {
public:
int maxDistance(vector<vector<int>>& grid) {
}
};
解析代码
力扣542. 01 矩阵的变型题,这里的曼哈顿距离就是最短距离,正难则反,用多源BFS解决即可
class Solution {
int dx[4] = {0, 0, -1, 1};
int dy[4] = {1, -1, 0, 0};
public:
int maxDistance(vector<vector<int>>& grid) {
int m = grid.size(), n = grid[0].size();
vector<vector<int>> dist(m, vector<int>(n, -1));
queue<pair<int, int>> q;
for(int i = 0; i < m; i++) // 处理边界的1
{
for(int j = 0; j < n; j++)
{
if(grid[i][j])
{
dist[i][j] = 0;
q.push({i, j});
}
}
}
int ret = -1; // 全是海洋返回-1
while(!q.empty())
{
auto[a, b] = q.front();
q.pop();
for(int i = 0; i < 4; ++i)
{
int x = a + dx[i], y = b + dy[i];
if(x >= 0 && x < m && y >= 0 && y < n && dist[x][y] == -1)
{
dist[x][y] = dist[a][b] + 1;
ret = max(ret, dist[x][y]);
q.push({x, y});
}
}
}
return ret;
}
};
本篇完。
下篇动态规划类型的是其它背包问题(二维费用背包 + 似包非包 + 卡特兰数)的OJ。
下下篇是BFS解决拓扑排序类型的OJ。