题目描述:
你有一个带有四个圆形拨轮的转盘锁。每个拨轮都有10个数字: ‘0’, ‘1’, ‘2’, ‘3’, ‘4’, ‘5’, ‘6’, ‘7’, ‘8’, ‘9’ 。每个拨轮可以自由旋转:例如把 ‘9’ 变为 ‘0’,‘0’ 变为 ‘9’ 。每次旋转都只能旋转一个拨轮的一位数字。
锁的初始数字为 ‘0000’ ,一个代表四个拨轮的数字的字符串。
列表 deadends 包含了一组死亡数字,一旦拨轮的数字和列表里的任何一个元素相同,这个锁将会被永久锁定,无法再被旋转。
字符串 target 代表可以解锁的数字,你需要给出最小的旋转次数,如果无论如何不能解锁,返回 -1。
示例1:
输入:deadends = ["0201","0101","0102","1212","2002"], target = "0202"
输出:6
解释:
可能的移动序列为 "0000" -> "1000" -> "1100" -> "1200" -> "1201" -> "1202" -> "0202"。
注意 "0000" -> "0001" -> "0002" -> "0102" -> "0202" 这样的序列是不能解锁的,
因为当拨动到 "0102" 时这个锁就会被锁定。
示例2:
输入: deadends = ["8888"], target = "0009"
输出:1
解释:
把最后一位反向旋转一次即可 "0000" -> "0009"。
示例3:
输入: deadends = ["8887","8889","8878","8898","8788","8988","7888","9888"], target = "8888"
输出:-1
解释:
无法旋转到目标数字且不被锁定。
示例4:
输入: deadends = ["0000"], target = "8888"
输出:-1
提示:
- 死亡列表 deadends 的长度范围为 [1, 500]。
- 目标数字 target 不会在 deadends 之中。
- 每个 deadends 和 target 中的字符串的数字会在 10,000 个可能的情况 ‘0000’ 到 ‘9999’ 中产生。
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/open-the-lock
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
解题思路:
0000-9999相当于10000个节点。10000个节点以满足题目要求的形式组成一个网状结构,从0000到目标target点的最短路径且路径上没有deadends节点,则最短路径则为所求。既然是最短路径,那么又可以使用BFS算法。简单直接,实现代码如下:
实现代码1:(注意该代码自己测试没有问题,但是提交会运算超时)
from collections import deque
class Solution:
def openLock(self, deadends, target) -> int:
if ('0000') in deadends:
return -1
if ('0000') in target:
return 0
startNode = (0,0,0,0)
neighbors = [(1,0,0,0),(0,1,0,0),(0,0,1,0),(0,0,0,1),(9,0,0,0),(0,9,0,0),(0,0,9,0),(0,0,0,9)]
# 输入的字符串转为数字
deadends = [tuple([int(i) for i in deadend]) for deadend in deadends]
target = tuple([int(i) for i in list(target)])
# searchList: 待遍历的列表
searchList = deque()
# distance:记录步长
distance = {}
marked = []
distance[startNode] = 0
searchList.append(startNode)
while searchList:
node = searchList.popleft()
if node == target:
return distance[node]
if node in deadends:
continue
for neighbor in neighbors:
neighbor_node = tuple([(node[i]+neighbor[i])%10 for i in range(4)])
if neighbor_node not in marked:
distance[neighbor_node] = distance[node] + 1
marked.append(neighbor_node)
searchList.append(neighbor_node)
return -1
测试结果:
看解题思路和代码实现,并没有什么大问题,而且本地测试是通过的。所以思考提高速度的方式要么提高数据处理速度,要么提升算法。这里想到在大量数据的情况下,提高数据搜索处理速度的一种方法,可以采用集合代替数组,将所有in操作的数据都采用集合,时间复杂度为O(1)。反观代码1,可以采用集合替换数组的对象为marked和deadends,这个对象只需要记录被搜索的节点,不需要有序。则对代码做了如下更改,只更改了marked:
marked = []
#改为:
marked = set()
相应的,添加元素的操作,也要做出更改:
marked.append(neighbor_node)
#改为:
marked.add(neighbor_node)
改好后,再次提交进行测试,在其他代码不变的情况下,奇迹发生了:
只是改动了一点点,执行结果就通过了。再进一步修改代码,让代码更加简洁,省去字符串转换数字过程,最终代码修改如下:
from collections import deque
import time
class Solution:
def openLock(self, deadends, target) -> int:
if ('0000') in deadends:
return -1
if ('0000') in target:
return 0
startNode = "0000"
# deadends转为集合
deadends = set(deadends)
# searchList: 待遍历的列表
searchList = deque()
# distance:记录步长a
distance = 0
marked = set(startNode)
searchList.append((startNode, distance))
while searchList:
node, distance_node = searchList.popleft()
if node in deadends:
continue
for i in range(4):
for j in (1,-1):
neighbor_node = (node[:i]+str((int(node[i])+j)%10)+node[i+1:])
if neighbor_node == target:
return distance_node+1
if neighbor_node not in marked:
distance_neighbor = distance_node + 1
marked.add(neighbor_node)
searchList.append((neighbor_node, distance_neighbor))
return -1
测试结果:
总结:
这道题本身思路很清晰,难点在是否记得集合(set)在in查询时的优势,时间复杂度为O(1)。但是在内存消耗上,还有待优化,有好的方法欢迎下方评论。