leetcode-934.最短的桥

深度优先搜索(dfs)

广度优先搜索(bfs)


题目详情

在给定的二维二进制数组 A 中,存在两座岛。(岛是由四面相连的 1 形成的一个最大组。)
现在,我们可以将 0 变为 1,以使两座岛连接起来,变成一座岛。
返回必须翻转的 0 的最小数目。(可以保证答案至少是 1 。)


题意理解:示例一:
1
填了这个海0就能让两个岛屿1相连
示例二:
2
填了这两个海0就能让两个岛屿1相连
示例三:
3
这个示例三是一圈1,一圈1就是一个岛屿,中间独立的1又是另一个,只需填补一个0

示例1:

输入:A = [[0,1],[1,0]]
输出:1

示例2:

输入:A = [[0,1,0],[0,0,0],[0,0,1]]
输出:2

示例3:

输入:A = [[1,1,1,1,1],[1,0,0,0,1],[1,0,1,0,1],[1,0,0,0,1],[1,1,1,1,1]]
输出:1

我的代码:

思路:

先通过任意搜索方法找到其中一个岛屿
然后利用广度优先搜索,查找其与另一个岛屿的最短距离。

class Solution 
{
public:
    vector<int> direction{-1, 0, 1, 0, -1}; //bfs上下左右移动用

    void dfs(queue<pair<int, int>>& points, vector<vector<int>>& grid, int m, int n, int i, int j)
    {
        if (i < 0 || j < 0 || i == m || j == n || grid[i][j] == 2)  //越界 或 [i,j]处是搜索过的陆地
    {
        return;
    }
    if (grid[i][j] == 0)        //[i,j]处是海洋
    {
        points.push({i, j});    //将海洋点计入队列
        return;
    }

    grid[i][j] = 2;            //如果没越界 不是海洋 没搜过的陆地,则将此处陆地标记搜索过,通过将1置为2
    //dfs递归继续执行
    dfs(points, grid, m, n, i - 1, j);  //上
    dfs(points, grid, m, n, i + 1, j);  //下
    dfs(points, grid, m, n, i, j - 1);  //左
    dfs(points, grid, m, n, i, j + 1);  //右
    

    }
    
    int shortestBridge(vector<vector<int>>& grid) 
    {
        int m = grid.size(), n = grid[0].size();
        queue<pair<int, int>> points;
        //dfs寻找第一个岛屿,标记就是将这块岛屿置为2
        bool flipped = false;       //用flipped作为跳出递归条件
        //遍历
        for (int i = 0; i < m; ++i)
        {
            if (flipped) break;      //如果找到一整块岛屿了,跳出外层for
            for(int j = 0; j < n; ++j)
            {
                if (grid[i][j] == 1)    //如果[i,j]是陆地,则将其作为起点进行dfs寻找其他相邻'1'块以和其构成同一块岛屿
                {
                    //这个区块只有找到起点后才会开始dfs
                    //直到递归完毕通过flipped一层层break递归回来,就搜索完毕一个岛屿
                    dfs(points, grid, m, n, i, j);
                    flipped = true;
                    break;
                }
            }
        }

        //bfs寻找第二个岛屿,并把寻找过程中的0置为2,即填海
        int x, y;
        int level = 0; //填海数量
        //因为points记录了所有海,而且是queue,肯定是从离第一块陆地最近的海洋开始搜索的(bfs)
        while (!points.empty()) 
        {
            ++level;    //填一块海
            int n_points = points.size();   
            while (n_points--)              
            {
                auto [r, c] = points.front();   //以最近这一块海作为起点开始搜索第二块岛屿(此处的起点一定是最短路径的一个点)
                points.pop();                   //将起点(利用完)出列
                //从起点[r,c]四面八方搜索
                for (int k = 0; k < 4; ++k)
                {
                    x = r + direction[k], y = c + direction[k+1];
                    if (x >= 0 && y >= 0 && x < m && y < n)  //不越界
                    {
                        if (grid[x][y] == 2)                //搜索到的块属于第一块岛屿的陆地
                        continue;

                        if (grid[x][y] == 1)                //搜索到另一块岛屿的陆地,上岸了!
                        return level;

                        points.push({x, y});                //否则就还是海洋'0',再将这块海洋push进列,等会儿以它为起始点继续扩张
                        grid[x][y] = 2;                     //将这块利用完毕的起始点置为2 防止等会新起点再扩张搜索到它
                    }
                }
            }
        }
        return 0;
    }
};

涉及知识点:

1.深度优先搜索(dfs)

深度优先搜索(depth-first seach,DFS)在搜索到一个新的节点时,立即对该新节点进行遍历;因此遍历需要用先入后出的栈来实现,也可以通过与栈等价的递归来实现。对于树结构而言,由于总是对新节点调用遍历,因此看起来是向着“深”的方向前进。

2.广度优先搜索(bfs)

广度优先搜索(breadth-first search,BFS)不同与深度优先搜索,它是一层层进行遍历的,因此需要用先入先出的队列而非先入后出的栈进行遍历。由于是按层次进行遍历,广度优先搜索时按照“广”的方向进行遍历的,也常常用来处理最短路径等问题。

### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法数据结构基础》等,来深入理解这种算法思想。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

ggaoda

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值