高级搜索之双向BFS
传统的 BFS 框架就是从起点开始向四周扩散,遇到终点时停止;而双向 BFS 则是从起点和终点同时开始扩散,当两边有交集的时候停止。
双向BFS:如图所示从A到L的最短步数,从两边分别向中间进行BFS,第一次重合的地方就是两者之间的最短路径。
技巧:根据题目要求,在进行bfs时,数据结构上会会使用HashSet代替queue,因为set的查找时间复杂度为O(1)。
127. 单词接龙
给定两个单词(beginWord 和 endWord)和一个字典,找到从
beginWord 到 endWord 的最短转换序列的长度。转换需遵循如下
规则:每次转换只能改变一个字母。转换过程中的中间单词必须是字典
中的单词。
说明:
如果不存在这样的转换序列,返回 0。
所有单词具有相同的长度。
所有单词只由小写字母组成。
字典中不存在重复的单词。
你可以假设 beginWord 和 endWord 是非空的,且二者不相同。
示例 1:
输入:
beginWord = "hit",
endWord = "cog",
wordList = ["hot","dot","dog","lot","log","cog"]
输出: 5
解释: 一个最短转换序列是
"hit" -> "hot" -> "dot" -> "dog" -> "cog",
返回它的长度 5。
示例 2:
输入:
beginWord = "hit"
endWord = "cog"
wordList = ["hot","dot","dog","lot","log"]
输出: 0
解释: endWord "cog" 不在字典中,所以无法进行转换。
以示例 1:进行画图可以看出:题目要求的就是从beginword到endword最少可以走多少步,而双向的bfs就是从beginword和endword分别向中间进行BFS。
思路:
1、在开始排序前,扫描对应的存储空间(使用邻接表),将入度为 0 的结点放入队列。
2、只要队列非空,就从队首取出入度为 0 的结点,将这个结点输出到结果集中,并且将这个结点的所有邻接结点(它指向的结点)的入度减 1,在减 1 以后,如果这个被减 1 的结点的入度为 0 ,就继续入队。
3、当队列为空的时候,检查结果集中的顶点个数是否和课程数相等即可。
思考这里为什么要使用队列?:在整个遍历过程中,每次会把目前这轮入度为0的所有节点入队列,就好像通过水波纹把目前离得最近的所有节点入队列,所以使用队列这种数据结构比较合适。
在代码具体实现的时候,除了保存入度为 0 的队列,我们还需要两个辅助的数据结构:
1、邻接表:通过结点的索引,我们能够得到这个结点的后继结点;
2、入度数组:通过结点的索引,我们能够得到指向这个结点的结点个数。
这个两个数据结构在遍历题目给出的邻边以后就可以很方便地得到。
时间复杂度:O(v + e),对于有 v 个顶点和 e 条边的图来说,如果这个课程可以完成,那么每个节点和边都会遍历到。
空间复杂度:O(v),用了一个数组来存所有点的 indegree,之后的 queue 也是最多把所有的点放进去,所以是 O(v)。
代码:
class Solution {
public int ladderLength(String beginWord, String endWord, List<String> wordList) {
//这里利用set的值的唯一性,其实这里的set就是queue
Set<String> wordSet = new HashSet<>(wordList);
//这里提前处理边界值,如果endword都不在wordList中,肯定最后不可转换成功
if (!wordSet.contains(endWord)) {
return 0;
}
Set<String> beginSet = new HashSet<>();
Set<String> endset = new HashSet<>();
beginSet.add(beginWord);
endset.add