读完本文,可以去力扣解决如下题目:
200.岛屿数量(中等)
1254.统计封闭岛屿的数目(中等)
1020.飞地的数量(中等)
1905.统计子岛屿(中等)
694.不同的岛屿数量(中等)
岛屿问题是经典的面试高频题,虽然基本的岛屿问题并不难,但是岛屿问题有一些有意思的扩展,比如求子岛屿数量,求形状不同的岛屿数量等等,本文就来把这些问题一网打尽。
岛屿系列问题的核心考点就是用 DFS/BFS 算法遍历二维数组。
本文主要来讲解如何用 DFS 算法来秒杀岛屿系列问题,不过用 BFS 算法的核心思路是完全一样的,无非就是把 DFS 改写成 BFS 而已。
那么如何在二维矩阵中使用 DFS 搜索呢?如果你把二维矩阵中的每一个位置看做一个节点,这个节点的上下左右四个位置就是相邻节点,那么整个矩阵就可以抽象成一幅网状的「图」结构。
根据学习数据结构和算法的框架思维,完全可以根据二叉树的遍历框架改写出二维矩阵的 DFS 代码框架:
// 二叉树遍历框架
void traverse(TreeNode root) {
traverse(root.left);
traverse(root.right);
}
// 二维矩阵遍历框架
void dfs(int[][] grid, int i, int j, boolean[] visited) {
int m = grid.length, n = grid[0].length;
if (i < 0 || j < 0 || i >= m || j >= n) {
// 超出索引边界
return;
}
if (visited[i][j]) {
// 已遍历过 (i, j)
return;
}
// 前序:进入节点 (i, j)
visited[i][j] = true;
dfs(grid, i - 1, j); // 上
dfs(grid, i + 1, j); // 下
dfs(grid, i, j - 1); // 左
dfs(grid, i, j + 1); // 右
// 后序:离开节点 (i, j)
// visited[i][j] = true;
}
因为二维矩阵本质上是一幅「图」,所以遍历的过程中需要一个visited
布尔数组防止走回头路,如果你能理解上面这段代码,那么搞定所有岛屿问题都很简单。
这里额外说一个处理二维数组的常用小技巧,你有时会看到使用「方向数组」来处理上下左右的遍历,和图遍历框架的代码很类似:
// 方向数组,分别代表上、下、左、右
int[][] dirs = new int[][]{{-1,0}, {1,0}, {0,-1}, {0,1}};
void dfs(int[][] grid, int i, int j, boolean[] visited) {
int m = grid.length, n = grid[0].length;
if (i < 0 || j < 0 || i >= m || j >= n) {
// 超出索引边界
return;
}
if (visited[i][j]) {
// 已遍历过 (i, j)
return;
}
// 进入节点 (i, j)
visited[i][j] = true;
// 递归遍历上下左右的节点
for (int[] d : dirs) {
int next_i = i + d[0];
int next_j = j + d[1];
dfs(grid, next_i, next_j);
}
// 离开节点 (i, j)
// visited[i][j] = true;
}
这种写法无非就是用 for 循环处理上下左右的遍历罢了,你可以按照个人喜好选择写法。
岛屿数量
这是力扣第 200 题「岛屿数量」,最简单也是最经典的一道岛屿问题,题目会输入一个二维数组grid
,其中只包含0
或者1
,0
代表海水,1
代表陆地,且假设该矩阵四周都是被海水包围着的。
我们说连成片的陆地形成岛屿,那么请你写一个算法,计算这个矩阵grid
中岛屿的个数,函数签名如下:
int numIslands(char[][] grid);
比如说题目给你输入下面这个grid
有四片岛屿,算法应该返回 4:
![af5d5f1aa635d741775ff397aabbad06.png](https://i-blog.csdnimg.cn/blog_migrate/2d2f82746eae91ca5c1be46bd073678a.png)
思路很简单,关键在于如何寻找并标记「岛屿」,这就要 DFS 算法发挥作用了,我们直接看解法代码:
// 主函数,计算岛屿数量
int numIslands(char[][] grid) {
int res = 0;
int m = grid.length, n = grid[0].length;
// 遍历 grid
for (int i = 0; i < m; i++) {
for (int j = 0; j < n; j++) {
if (grid[i][j] == '1') {
// 每发现一个岛屿,岛屿数量加一
res++;
// 然后使用 DFS 将岛屿淹了
dfs(grid, i, j);
}
}
}
return res;
}
// 从 (i, j) 开始,将与之相邻的陆地都变成海水
void dfs(char[][] grid, int i, int j) {
int m = grid.length, n = grid[0].length;
if (i < 0 || j < 0 || i >= m || j >= n) {
// 超出索引边界
return;
}
if (grid[i][j] == '0') {
// 已经是海水了
return;
}
// 将 (i, j) 变成海水
grid[i][j] = '0';
// 淹没上下左右的陆地
dfs(grid, i + 1, j);
dfs(grid, i, j + 1);
dfs(grid, i - 1, j);
dfs(grid, i, j - 1);
}
为什么每次遇到岛屿,都要用 DFS 算法把岛屿「淹了」呢?主要是为了省事,避免维护visited
数组。
因为dfs
函数遍历到值为0
的位置会直接返回,所以只要把经过的位置都设置为0
,就可以起到不走回头路的作用。
PS:这类 DFS 算法还有个别名叫做 FloodFill 算法,现在有没有觉得 FloodFill 这个名字还挺贴切的~
这个最最基本的岛屿问题就说到这,我们来看看后面的题目有什么花样。
封闭岛屿的数量
上一题说二维矩阵四周可以认为也是被海水包围的,所以靠边的陆地也算作岛屿。
力扣第 1254 题「统计封闭岛屿的数目」和上一题有两点不同:
1、用0
表示陆地,用1
表示海水。
2、让你计算「封闭岛屿」的数目。所谓「封闭岛屿」就是上下左右全部被1
包围的0
,也就是说靠边的陆地不算作「封闭岛屿」。
函数签名如下:
int closedIsland(int[][] grid)
比如题目给你输入如下这个二维矩阵:
![8a2469fcf14511e2de694c45cda5fe56.png](https://i-blog.csdnimg.cn/blog_migrate/f8b8549833a2c0834b64b6cfbec1539d.png)
算法返回 2,只有图中灰色部分的0
是四周全都被海水包围着的「封闭岛屿」。
那么如何判断「封闭岛屿」呢?其实很简单,把上一题中那些靠边的岛屿排除掉,剩下的不就是「封闭岛屿」了吗?
有了这个思路,就可以直接看代码了,注意这题规定0
表示陆地,用1
表示海水:
// 主函数:计算封闭岛屿的数量
int closedIsland(int[][] grid) {
int m = grid.length, n = grid[0].length;
for (int j = 0; j < n; j++) {
// 把靠上边的岛屿淹掉
dfs(grid, 0, j);
// 把靠下边的岛屿淹掉
dfs(grid, m - 1, j);
}
for (int i = 0; i < m; i++) {
// 把靠左边的岛屿淹掉
dfs(grid, i, 0);
// 把靠右边的岛屿淹掉
dfs(grid, i, n - 1);
}
// 遍历 grid,剩下的岛屿都是封闭岛屿
int res = 0;
for (int i = 0; i < m; i++) {
for (int j = 0; j < n; j++) {
if (grid[i][j] == 0) {
res++;
dfs(grid, i, j);
}
}
}
return res;
}
// 从 (i, j) 开始,将与之相邻的陆地都变成海水
void dfs(int[][] grid, int i, int j) {
int m = grid.length, n = grid[0].length;
if (i < 0 || j < 0 || i >= m || j >= n) {
return;
}
if (grid[i][j] == 1) {
// 已经是海水了
return;
}
// 将 (i, j) 变成海水
grid[i][j] = 1;
// 淹没上下左右的陆地
dfs(grid, i + 1, j);
dfs(grid, i, j + 1);
dfs(grid, i - 1, j);
dfs(grid, i, j - 1);
}
只要提前把靠边的陆地都淹掉,然后算出来的就是封闭岛屿了。
PS:处理这类岛屿问题除了 DFS/BFS 算法之外,Union Find 并查集算法也是一种可选的方法。
这道岛屿题目的解法稍微改改就可以解决力扣第 1020 题「飞地的数量」,这题不让你求封闭岛屿的数量,而是求封闭岛屿的面积总和。
其实思路都是一样的,先把靠边的陆地淹掉,然后去数剩下的陆地数量就行了,注意第 1020 题中1
代表陆地,0
代表海水:
int numEnclaves(int[][] grid) {
int m = grid.length, n = grid[0].length;
// 淹掉靠边的陆地
for (int i = 0; i < m; i++) {
dfs(grid, i, 0);
dfs(grid, i, n - 1);
}
for (int j = 0; j < n; j++) {
dfs(grid, 0, j);
dfs(grid, m - 1, j);
}
// 数一数剩下的陆地
int res = 0;
for (int i = 0; i < m; i++) {
for (int j = 0; j < n; j++) {
if (grid[i][j] == 1) {
res += 1;
}
}
}
return res;
}
// 和之前的实现类似
void dfs(int[][] grid, int i, int j) {
// ...
}
篇幅所限,具体代码我就不写了,我们继续看其他的岛屿问题。
岛屿的最大面积
这是力扣第 695 题「岛屿的最大面积」,0
表示海水,1
表示陆地,现在不让你计算岛屿的个数了,而是让你计算最大的那个岛屿的面积,函数签名如下:
int maxAreaOfIsland(int[][] grid)
比如题目给你输入如下一个二维矩阵:
![2e3d98744f71d1bba1fb93a3bff8926c.png](https://i-blog.csdnimg.cn/blog_migrate/1db9fbf1d2e4d5f3496085f3e7aeeb36.png)
其中面积最大的是橘红色的岛屿,算法返回它的面积 6。
这题的大体思路和之前完全一样,只不过dfs
函数淹没岛屿的同时,还应该想办法记录这个岛屿的面积。
我们可以给dfs
函数设置返回值,记录每次淹没的陆地的个数,直接看解法吧:
int maxAreaOfIsland(int[][] grid) {
// 记录岛屿的最大面积
int res = 0;
int m = grid.length, n = grid[0].length;
for (int i = 0; i < m; i++) {
for (int j = 0; j < n; j++) {
if (grid[i][j] == 1) {
// 淹没岛屿,并更新最大岛屿面积
res = Math.max(res, dfs(grid, i, j));
}
}
}
return res;
}
// 淹没与 (i, j) 相邻的陆地,并返回淹没的陆地面积
int dfs(int[][] grid, int i, int j) {
int m = grid.length, n = grid[0].length;
if (i < 0 || j < 0 || i >= m || j >= n) {
// 超出索引边界
return 0;
}
if (grid[i][j] == 0) {
// 已经是海水了
return 0;
}
// 将 (i, j) 变成海水
grid[i][j] = 0;
return dfs(grid, i + 1, j)
+ dfs(grid, i, j + 1)
+ dfs(grid, i - 1, j)
+ dfs(grid, i, j - 1) + 1;
}
解法和之前相比差不多,我也不多说了,接下来的两道岛屿问题是比较有技巧性的,我们重点来看一下。
子岛屿数量
如果说前面的题目都是模板题,那么力扣第 1905 题「统计子岛屿」可能得动动脑子了:
![754c27af0e8a2c0877769c7a68bf6060.png](https://i-blog.csdnimg.cn/blog_migrate/7d7516e93c407d4b93c8bbcc431c32a0.png)
这道题的关键在于,如何快速判断子岛屿?肯定可以借助 Union Find 并查集 算法来判断,不过本文重点在 DFS 算法,就不展开并查集算法了。
什么情况下grid2
中的一个岛屿B
是grid1
中的一个岛屿A
的子岛?
当岛屿B
中所有陆地在岛屿A
中也是陆地的时候,岛屿B
是岛屿A
的子岛。
反过来说,如果岛屿B
中存在一片陆地,在岛屿A
的对应位置是海水,那么岛屿B
就不是岛屿A
的子岛。
那么,我们只要遍历grid2
中的所有岛屿,把那些不可能是子岛的岛屿排除掉,剩下的就是子岛。
依据这个思路,可以直接写出下面的代码:
int countSubIslands(int[][] grid1, int[][] grid2) {
int m = grid1.length, n = grid1[0].length;
for (int i = 0; i < m; i++) {
for (int j = 0; j < n; j++) {
if (grid1[i][j] == 0 && grid2[i][j] == 1) {
// 这个岛屿肯定不是子岛,淹掉
dfs(grid2, i, j);
}
}
}
// 现在 grid2 中剩下的岛屿都是子岛,计算岛屿数量
int res = 0;
for (int i = 0; i < m; i++) {
for (int j = 0; j < n; j++) {
if (grid2[i][j] == 1) {
res++;
dfs(grid2, i, j);
}
}
}
return res;
}
// 从 (i, j) 开始,将与之相邻的陆地都变成海水
void dfs(int[][] grid, int i, int j) {
int m = grid.length, n = grid[0].length;
if (i < 0 || j < 0 || i >= m || j >= n) {
return;
}
if (grid[i][j] == 0) {
return;
}
grid[i][j] = 0;
dfs(grid, i + 1, j);
dfs(grid, i, j + 1);
dfs(grid, i - 1, j);
dfs(grid, i, j - 1);
}
这道题的思路和计算「封闭岛屿」数量的思路有些类似,只不过后者排除那些靠边的岛屿,前者排除那些不可能是子岛的岛屿。
不同的岛屿数量
这是本文的最后一道岛屿题目,作为压轴题,当然是最有意思的。
力扣第 694 题「不同的岛屿数量」,题目还是输入一个二维矩阵,0
表示海水,1
表示陆地,这次让你计算 不同的 (distinct) 岛屿数量,函数签名如下:
int numDistinctIslands(int[][] grid)
比如题目输入下面这个二维矩阵:
![86ee9524275895d26cab4e637a2059b8.png](https://i-blog.csdnimg.cn/blog_migrate/cbf2216e6bcb3e160de02d282afe8aac.png)
其中有四个岛屿,但是左下角和右上角的岛屿形状相同,所以不同的岛屿共有三个,算法返回 3。
很显然我们得想办法把二维矩阵中的「岛屿」进行转化,变成比如字符串这样的类型,然后利用 HashSet 这样的数据结构去重,最终得到不同的岛屿的个数。
如果想把岛屿转化成字符串,说白了就是序列化,序列化说白了遍历嘛。
首先,对于形状相同的岛屿,如果从同一起点出发,dfs
函数遍历的顺序肯定是一样的。
因为遍历顺序是写死在你的递归函数里面的,不会动态改变:
void dfs(int[][] grid, int i, int j) {
// 递归顺序:
dfs(grid, i - 1, j); // 上
dfs(grid, i + 1, j); // 下
dfs(grid, i, j - 1); // 左
dfs(grid, i, j + 1); // 右
}
所以,遍历顺序从某种意义上说就可以用来描述岛屿的形状,比如下图这两个岛屿:
![d6564ca35e25e56e53fa71234a01e996.png](https://i-blog.csdnimg.cn/blog_migrate/4ca304537172fe5debfdf00543aa3c21.png)
假设它们的遍历顺序是:
下,右,上,撤销上,撤销右,撤销下
如果我用分别用1, 2, 3, 4
代表上下左右,用-1, -2, -3, -4
代表上下左右的撤销,那么可以这样表示它们的遍历顺序:
2, 4, 1, -1, -4, -2
你看,这就相当于是岛屿序列化的结果,只要每次使用dfs
遍历岛屿的时候生成这串数字进行比较,就可以计算到底有多少个不同的岛屿了。
要想生成这段数字,需要稍微改造dfs
函数,添加一些函数参数以便记录遍历顺序:
void dfs(int[][] grid, int i, int j, StringBuilder sb, int dir) {
int m = grid.length, n = grid[0].length;
if (i < 0 || j < 0 || i >= m || j >= n
|| grid[i][j] == 0) {
return;
}
// 前序遍历位置:进入 (i, j)
grid[i][j] = 0;
sb.append(dir).append(',');
dfs(grid, i - 1, j, sb, 1); // 上
dfs(grid, i + 1, j, sb, 2); // 下
dfs(grid, i, j - 1, sb, 3); // 左
dfs(grid, i, j + 1, sb, 4); // 右
// 后序遍历位置:离开 (i, j)
sb.append(-dir).append(',');
}
dir
记录方向,dfs
函数递归结束后,sb
记录着整个遍历顺序,其实这就是回溯算法框架,你看到头来这些算法都是相通的。
有了这个dfs
函数就好办了,我们可以直接写出最后的解法代码:
int numDistinctIslands(int[][] grid) {
int m = grid.length, n = grid[0].length;
// 记录所有岛屿的序列化结果
HashSet<String> islands = new HashSet<>();
for (int i = 0; i < m; i++) {
for (int j = 0; j < n; j++) {
if (grid[i][j] == 1) {
// 淹掉这个岛屿,同时存储岛屿的序列化结果
StringBuilder sb = new StringBuilder();
// 初始的方向可以随便写,不影响正确性
dfs(grid, i, j, sb, 666);
islands.add(sb.toString());
}
}
}
// 不相同的岛屿数量
return islands.size();
}
这样,这道题就解决了,至于为什么初始调用dfs
函数时的dir
参数可以随意写,这里涉及 DFS 和回溯算法的一个细微差别。
以上就是全部岛屿系列问题的解题思路,也许前面的题目大部分人会做,但是最后两题还是比较巧妙的,希望本文对你有帮助。