一、深度优先搜索
基本模型:基于栈的递归
void dfs(step)
{
判断边界
尝试每一种可能 for(int i=0;i<n;++i)
{
继续下一步 dfs(step+1);
}
返回
}
DFS力扣例题
695.岛屿的最大面积
分析:
对是陆地的位置向四个方向进行深度优先搜索,如果下一个位置仍然是陆地,则加上由新陆地向四个方向搜索的值。遍历过的陆地应该设置为0,以避免重复被计入。
题解:
class Solution {
public static int maxAreaOfIsland(int[][] grid) {
int maxArea = 0;
for(int i=0;i<grid.length;++i){
for(int j=0;j<grid[i].length;++j){
if (grid[i][j]==1){
maxArea = Math.max(maxArea, dfs(grid, i, j));
}
}
}
return maxArea;
}
private static int dfs(int[][] grid, int i, int j) {
if (i<0 || j<0 || i>=grid.length || j>=grid[i].length || grid[i][j]==0){
//超出边界,返回0
//当前位置是水,返回0
return 0;
}
else {
//计入当前陆地面积1
int sum = 1;
//当前陆地已经计算过,设为0
grid[i][j] = 0;
sum += dfs(grid, i+1,j);
sum += dfs(grid, i-1,j);
sum += dfs(grid, i,j+1);
sum += dfs(grid, i,j-1);
return sum;
}
}
}
547. 省份数量
分析:
本题拥有的行数即是节点的个数,列数即是每行的边。以此转换为图的模型进行深度优先搜索。同时需要一个数组标记该节点是否被访问过。
题解:
**class Solution {
public int findCircleNum(int[][] isConnected) {
int count = 0;
boolean[] isVisited = new boolean[isConnected.length];
Arrays.fill(isVisited,false);
for(int i=0;i<isConnected.length;++i){
if (!isVisited[i]){
++count;
dfs(isConnected, isVisited, i);
}
}
return count;
}
private void dfs(int[][] isConnected, boolean[] isVisited, int i) {
isVisited[i] = true;
for(int j=0;j<isConnected[i].length;++j){
if (isConnected[i][j]==1 && !isVisited[j]){
dfs(isConnected, isVisited, j);
}
}
}
}**
417. 太平洋大西洋水流问题
分析:
考虑到如果对每个点进行深度优先搜索复杂度较高,因此采用从两个大洋逆流的想法进行搜索,设置代表两个大洋搜索结果的两个数组。这样只需要搜索四个边界即可。搜索完后,只需要遍历一遍矩阵,如果当前位置的两个大洋都能到达,即为题目所求。
题解:
class Solution {
public List<List<Integer>> pacificAtlantic(int[][] heights) {
List<List<Integer>> result = new ArrayList<List<Integer>>();
if (heights.length==0 || heights[0].length==0){
return result;
}
//判断是否能够的布尔型数组
int m = heights.length;
int n = heights[0].length;
boolean[][] reachPacific = new boolean[m][n];
boolean[][] reachAtlantic = new boolean[m][n];
for(int i=0;i<m;++i){
Arrays.fill(reachPacific[i],false);
Arrays.fill(reachAtlantic[i],false);
}
for (int i=0;i<m;++i){
//对左边界进行dfs
dfs(heights, reachPacific, i, 0);
//对右边界进行dfs
dfs(heights, reachAtlantic, i, n-1);
}
for (int i=0;i<n;++i){
//对上边界进行dfs
dfs(heights, reachPacific, 0, i);
//对下边界进行dfs
dfs(heights, reachAtlantic, m-1, i);
}
for (int i=0;i<m;++i){
for(int j=0;j<n;++j){
//两个大洋都能流到的位置
if (reachAtlantic[i][j] && reachPacific[i][j]){
List<Integer> temp = new ArrayList<>();
temp.add(i);
temp.add(j);
result.add(temp);
}
}
}
return result;
}
private void dfs(int[][] heights, boolean[][] reach, int start, int end) {
if (reach[start][end]){
return;
}
//能够流经的位置记为true
reach[start][end] = true;
//向四个方向开始搜索
int x = start-1;
int y = end;
if (x>=0 && x<heights.length && y>=0 && y<heights[0].length && heights[start][end] <= heights[x][y]){
dfs(heights, reach, x, y);
}
x = start+1;
y = end;
if (x>=0 && x<heights.length && y>=0 && y<heights[0].length && heights[start][end] <= heights[x][y]){
dfs(heights, reach, x, y);
}
x = start;
y = end-1;
if (x>=0 && x<heights.length && y>=0 && y<heights[0].length && heights[start][end] <= heights[x][y]){
dfs(heights, reach, x, y);
}
x = start;
y = end+1;
if (x>=0 && x<heights.length && y>=0 && y<heights[0].length && heights[start][end] <= heights[x][y]){
dfs(heights, reach, x, y);
}
}
}
二、回溯法
回溯法是优先搜索的一种特殊情况,又称为试探法,常用于需要记录节点状态的深度优先搜索。通常来说,排列、组合、选择类问题使用回溯法比较方便。在搜索到某一结点的时候,如果我们发现目前节点不是需求目标时,需要回退到原来的节点,并且把目前节点修改的状态还原。
通常有两个小窍门:1. 按引用传状态;2. 所有的状态修改在递归完成后回改。
回溯的修改有两种情况:1. 修改最后一位输出,如排列组合;2. 修改访问标记
46. 全排列
分析:
对于每一个当前位置i,我们可以将其于之后的任意位置交换,然后继续处理位置i+1,,直到处理到最后一位。为了防止每次遍历时都要创建一个子数组存储位置i之前已经交换好的数字,可以利用回溯法,只对原数组进行修改,在递归完成后再改回来。
题解:
class Solution {
public List<List<Integer>> permute(int[] nums) {
List<List<Integer>> result = new ArrayList<List<Integer>>();
backtracking(nums, 0, result);
return result;
}
public void backtracking(int[] nums, int level, List<List<Integer>> result){
//处理到最后一位,进行结果的保存
if (level == nums.length-1){
List<Integer> temp = new ArrayList<>();
for(int i:nums){
temp.add(i);
}
result.add(temp);
return;
}
for (int i=level;i<nums.length;++i){
//交换当前位置
swap(nums, i, level);
//进行下一位数的处理
backtracking(nums, level+1, result);
//改回状态,进行回溯
swap(nums, i, level);
}
}
public void swap(int[] num, int i, int j){
int temp = num[i];
num[i] = num[j];
num[j] = temp;
}
}
77. 组合
分析:
声明一个待选列表,回溯遍历所有可能的搜索起点,如果加入待选列表的数已经有了k个,则将其加入最后的结果。因为组合数不能有重复的数出现,因此每次搜索的起点要+1。回溯算法在进入递归前后要改变状态和恢复状态。
在上述算法的基础上,可以进行剪枝,也即是在每次进行递归时,当待选列表的长度加上剩余未判断区间的长度小于k,则不可能构造出最后的结果,直接结束该次递归即可。
题解:
class Solution{
List<List<Integer>> result = new ArrayList<List<Integer>>();
List<Integer> temp = new ArrayList<>();
public List<List<Integer>> combine(int n,int k){
backtracking(1, n, k);
return result;
}
private void backtracking(int current, int n, int k) {
//如果待选列表的长度加上剩余未确定区间的长度小于k
//则不可能构造出长度为k的结果
if (temp.size()+(n-current+1)<k){
return;
}
//长度到达k,记录结果
if (temp.size()==k){
result.add(new ArrayList<Integer>(temp));
return;
}
//回溯遍历所有可能的搜索起点
for (int i=current;i<=n;++i){
//将当前的数加入待选列表中
temp.add(i);
//从下一个数开始搜索
backtracking(i+1,n,k);
//回溯,将加入的数从待选数列中删除
temp.remove(temp.size()-1);
}
}
}
79. 单词搜索
分析:
为每个访问的节点设置一个访问位,来表示是否被访问过。然后在递归过程中,分别向四个方向进行深搜,该节点为起点的深搜结束后,要进行回溯。
在传递结果find的时候容易犯错,Java的boolean类型是值传递不是引用传递,因此作为全局变量使用。
题解:
class Solution {
boolean find = false;
public boolean exist(char[][] board, String word) {
if (board.length==0||board[0].length==0){
return false;
}
int m = board.length;
int n = board[0].length;
boolean[][] visited = new boolean[m][n];
for(int i=0;i<m;++i){
Arrays.fill(visited[i],false);
}
for (int i=0;i<m;++i){
for (int j=0;j<n;++j){
backtracking(board,word,visited,i,j,0)
}
}
return find;
}
public void backtracking(char[][] board, String word, boolean[][] visited, int i, int j, int position){
//边界判断
if (i<0 || j<0 || i>=board.length || j>=board[0].length){
return;
}
//找到单词、该位置被访问、当前位置不等于需要的单词字母
//满足上述任一项返回
if (find || visited[i][j] || board[i][j]!=word.charAt(position)){
return;
}
//找到该单词,返回结果
if (position+1==word.length()){
find = true;
return;
}
//修改当前节点状态
visited[i][j] = true;
//递归子节,深搜向四个方向拓展
backtracking(board, word, visited, i+1, j, position+1);
backtracking(board, word, visited, i-1, j, position+1);
backtracking(board, word, visited, i, j+1, position+1);
backtracking(board, word, visited, i, j-1, position+1);
//回改当前节点状态
visited[i][j] = false;
}
}
51. N皇后问题
分析:
判断皇后在一个位置能放置的条件,即当前列没有其他皇后,当前左右斜对角线上没有其他皇后。然后每行有且只能存在一个皇后,所以进行逐行遍历,当每行都放置了皇后时,说明当前是题解之一,否则进行回溯,验证其他的放置策略。
题解:
class Solution {
public List<List<String>> solveNQueens(int n) {
List<List<String>> result = new ArrayList<List<String>>();
//表示皇后所在的列数
int[] queens = new int[n];
Arrays.fill(queens,-1);
//表示有皇后在的列的集合
Set<Integer> columns = new HashSet<>();
//表示有皇后所在的左对角线的集合
//特别的有性质:同一左对角线上,行数-列数=常数
Set<Integer> leftDialog = new HashSet<>();
//表示有皇后所在的右对角线的集合
//特别的有性质:同一右对角线上,行数+列数=常数
Set<Integer> rightDialog = new HashSet<>();
//进入深度搜索遍历的过程
backtracking(result, queens, columns, leftDialog, rightDialog, n, 0);
return result;
}
private void backtracking(List<List<String>> result, int[] queens, Set<Integer> columns, Set<Integer> leftDialog, Set<Integer> rightDialog, int n, int row) {
//如果每行都放置了皇后,得到一个可行的结果
if (row==n){
//将可行的结果构造为最后的题解之一
List<String> board = new ArrayList<>();
for (int i=0;i<n;++i){
char[] singleRow = new char[n];
Arrays.fill(singleRow,'.');
singleRow[queens[i]] = 'Q';
board.add(new String(singleRow));
}
result.add(board);
}
else{
//对当前行逐列验证是否存在满足条件的位置放置皇后
for (int i=0;i<n;++i){
//若本列有皇后,则不能放置
if (columns.contains(i)){
continue;
}
//若该位置所在的左对角线上有皇后则不能放置
int left = row - i;
if (leftDialog.contains(left)){
continue;
}
//若该位置所在的右对角线上有皇后则不能放置
int right = row + i;
if (rightDialog.contains(right)){
continue;
}
//若上述三个条件都不满足,则该位置可以放置皇后
queens[row] = i;
columns.add(i);
leftDialog.add(left);
rightDialog.add(right);
//对下一行进行搜索
backtracking(result, queens, columns, leftDialog, rightDialog, n, row+1);
//回溯改回状态
queens[row] = -1;
columns.remove(i);
leftDialog.remove(left);
rightDialog.remove(right);
}
}
}
}
三、广度优先搜索
基本模型:基于队列的循环
while(队不为空)
{
根据队头尝试每一种拓展的可能
for(int i=0;i<n;++i)
{
每拓展完一种情况,将拓展出的对象入队
将已经拓展完的队头出队
}
}
BFS力扣例题
934. 最短的桥
分析:
首先找到一座岛,然后将它不断向外延伸,直到到达另一座岛。即用DFS找到岛屿,用BFS搜索最短的距离。
题解:
class Solution {
int[] direction = new int[]{-1,0,1,0,-1};
public int shortestBridge(int[][] grid) {
int m = grid.length;
int n = grid[0].length;
Queue<Node> queue = new LinkedList<>();
//DFS寻找第一个岛屿,并把1赋值为2
boolean flag = false;
for (int i=0;i<m;++i){
if (flag)
break;
for (int j=0;j<n;++j){
if (grid[i][j]==1){
dfs(queue, grid, m, n, i, j);
flag = true;
break;
}
}
}
//BFS寻找第二个岛屿,把经过的0改为2
int x,y;
int depth = 0;
while (!queue.isEmpty()){
++depth;
int size = queue.size();
//每次由队头进行拓展
while (size!=0){
size--;
Node font = queue.poll();
for (int k=0;k<4;++k){
x = font.row + direction[k];
y = font.column + direction[k+1];
if (x>=0 && y>=0 && x<m && y<n){
if (grid[x][y]==2){
continue;
}
if (grid[x][y]==1){
return depth;
}
//把经过的海洋改为2,并加入队列
queue.offer(new Node(x,y));
grid[x][y] = 2;
}
}
}
}
return depth;
}
private void dfs(Queue<Node> queue, int[][] grid, int m, int n, int i, int j) {
//超出边界或遇到已经遍历过的点就结束方法
if (i<0 || j<0 || i==m || j==n || grid[i][j]==2){
return;
}
//如果遇到海洋,将其加入队列
if (grid[i][j]==0){
queue.offer(new Node(i,j));
return;
}
//如果就是该岛屿的土地,则以此为起点继续搜索
grid[i][j] = 2;
for (int k=0;k<4;++k) {
dfs(queue, grid, m, n, i + direction[k], j + direction[k + 1]);
}
}
static class Node{
int row;
int column;
Node(int row, int column){
this.row = row;
this.column = column;
}
}
}
126. 单词接龙2
分析:
运用BFS构建图,遍历每一种单词修改的情况,将其和单词表中的单词联系在一起,形成双向边。最后DFS找到最短路径。
题解:
class Solution {
public List<List<String>> findLadders(String beginWord, String endWord, List<String> wordList) {
List<List<String>> result = new ArrayList<>();
//哈希表加快查找速率
Set<String> dict = new HashSet<>(wordList);
//判断目标单词不在单词表中的情况
if (!dict.contains(endWord)){
return result;
}
//将起始单词从单词表中移除
dict.remove(beginWord);
//---------广度优先遍历构建图---------
//记录节点在BFS中的深度
Map<String, Integer> depths = new HashMap<>();
depths.put(beginWord, 0);
//记录与每个节点相连的节点列表
Map<String, List<String>> contact = new HashMap<>();
//构建BFS所需的队列
Queue<String> queue = new LinkedList<>();
queue.offer(beginWord);
//过程辅助变量
int depth = 1; //遍历的深度
boolean find = false; //标记是否已经找出一条路径
int wordLength = beginWord.length();//单词的长度
while (!queue.isEmpty()){
int size = queue.size();
for (int i=0;i<size;++i){
String frontWord = queue.poll();
char[] charArrays = frontWord.toCharArray();
//把队头单词的每一位字幕替换为26个字母
for (int j=0;j<wordLength;++j){
char origin = charArrays[j];
for (char c='a';c<='z';++c){
charArrays[j] = c;
String modifyWord = String.valueOf(charArrays);
//如果单词表中有这个修改后的单词而且深度一致,
//将修改后的单词相连的单词列表中加上队头单词
if (depths.containsKey(modifyWord) && depth==depths.get(modifyWord)){
contact.get(modifyWord).add(frontWord);
}
//如果单词表中没有修改的单词则直接跳过此次循环
if (!dict.contains(modifyWord)){
continue;
}
//如果有该单词,但是深度不一致(且一定比当前搜索深度小),
//为避免重复搜索,将其从单词表中移除
dict.remove(modifyWord);
//将此层拓展出的单词加入队列
queue.offer(modifyWord);
//记录修改单词由队头单词而来
contact.putIfAbsent(modifyWord, new ArrayList<>());
contact.get(modifyWord).add(frontWord);
//记录修改单词的深度
depths.put(modifyWord, depth);
//若与目标单词相等,则说明已经找到了一条路径
if (modifyWord.equals(endWord)){
find = true;
}
}
//回溯,改回状态
charArrays[j] = origin;
}
}
//一次遍历后深度增加
depth++;
if (find){
break;
}
}
//---------深度优先遍历找到所有解---------
if (find){
Deque<String> path = new ArrayDeque<>();
path.add(endWord);
backtracking(contact, path, beginWord, endWord, result);
}
return result;
}
private void backtracking(Map<String, List<String>> contact, Deque<String> path, String beginWord, String currentWord, List<List<String>> result) {
if (currentWord.equals(beginWord)){
result.add(new ArrayList<>(path));
return;
}
for (String word:contact.get(currentWord)){
path.addFirst(word);
backtracking(contact, path, beginWord, word, result);
path.removeFirst();
}
}
}