[华为OD] 污染水域(多源BFS)

BFS与多源BFS

BFS广度优先搜索,BFS一般用队列实现,遵循着先进先出的原则,比较典型的例子就是之前说过的二叉树层序遍历。

在二叉树的层序遍历中,入口只有一个,也就是根节点。在遍历过程中,每次都拿出队列的第一个值,并把它的衍生值放在队列的最右边。

在二叉树的层序遍历中,从上往下一层一层走下去,不会出现一个节点重复出现的情况。

多源BFS,就像它的名称一样,有多个源头(也就是入口)。一般用在图中,以多个入口为起点,向周围进行遍历,因为从多个入口出发可能走到同一个位置,为了防止重复遍历,需要对遍历过的位置进行标记。

下面给出了《污染水域》的题解和一些相似的leetcode题目的代码。

污染水域

输入一行字符串,字符串可以转换为N*N的数组,数组可认为是一个水域,判断多少天后,水域被全部污染。
数组中只有1和0两个数,1表示污染,每天只可污染上下左右的水域,如果开始全部被污染或永远无法污染,则返回-1。

输入1,0,1,0,0,0,1,0,1
输出2
说明输入转化为数组是
1,0,1
0,0,0
1,0,1
第一天后水域变为
1,1,1
1,0,1
1,1,1
第二天全部为被污染

这个题就是一个很典型的多源BFS问题,首先要找到遍历的入口,也就是初始水域中为1的位置。将这些位置都加入队列。
如果水域中不存在1,或者水域中全是1,那么不需要再进行污染,直接返回-1。
我们从每个入口出现,向上下左右四个方向进行遍历,并标记。如果要遍历的位置已经被标记了,或者超过了水域的边界,那么就忽略。如果没有被标记,则把它加入队列中去。

我们一步一步地完成这个代码。

  1. 获取输入,构造水域矩阵。
    在华为OD的题目中,输入需要自己获取,所以我们可以先构造一下输入的矩阵。

    link = list(map(int,input().split()))
    n = int(math.sqrt(len(link)))
    mat = [[0]*n for _ in range(n)]
    
  2. 现在我们来找多源BFS中的源, 并把它存到一个队列中去。

    q = []
    for i in range(n):
    	for j in range(n):
    		mat[i][j] = link[i*n+j]
    		if link[i*n+j]==1:  # 如果是污染区
    			q.append([i,j])
    
  3. 如果区域不存在污染或者全是污染,直接返回 - 1。

    if not q or len(q) == len(link):
    	return -1
    
  4. 定义一下遍历的方向,和最大天数。

    direction = [[1,0],[-1,0],[0,1],[0,-1]] # 四个方向
    max_num = 0    # 求最大天数,所以初始化为一个比较小的数
    
  5. 开始遍历!

    while q: # 只要q中有东西就一直遍历
    	cur  = q.pop(0) # 取出队列的第一个值
    	x, y = cur # 当前位置
    	for di in directions:  # 遍历四个方向
    		newx = x+di[0]
    		newy = y+di[1]
    		if newx<0 or newy<0 or newx>=n or newy>=n:
    			continue # 如果越界就跳过
    		if mat[newx][newy]!=0:
    			continue # 如果访问过就跳过
    		mat[newx][newy] = mat[x][y]+1 # 标记当前位置,用的数字可以代表与污染区的距离【也就是扩散用的时间】
    		if max_num < mat[newx][newy]:
    			max_num = mat[newx][newy] # 更新最大天数
    		q.append([newx,newy])
    return max_num-1 # 因为mat[x][y]的初始值是1,所以这里要-1
    

leetcode 1162::地图分析

https://leetcode.cn/problems/as-far-from-land-as-possible/

这道题也是一个典型的多源BFS。要求的是海洋单元到距离它最近的陆地单元格的距离是最大的,可以理解成我们已陆地单元格为源头,开始向四周遍历,最后访问到的海洋就是距离最远的海洋。

我们用海洋到陆地的距离来标记单元格,那么最后找到的海洋的标记,就代表了它到离它最近的陆地单元格的距离。

class Solution(object):
    def maxDistance(self, grid):
        """
        :type grid: List[List[int]]
        :rtype: int
        """

        direction = [[-1,0],[1,0],[0,1],[0,-1]]
        q = []
        n = len(grid)
        for i in range(n):
            for j in range(n):
                if grid[i][j] == 1:
                    q.append([i,j])
        if not q or len(q)==n**2:
            return -1
        
        while q:
            cur = q.pop(0)
            x,y = cur
            for di in direction:
                tmp_x = x + di[0]
                tmp_y = y + di[1]

                if tmp_x<0 or tmp_y<0 or tmp_x>=n or tmp_y>=n or grid[tmp_x][tmp_y]!=0:
                    continue

                grid[tmp_x][tmp_y] = grid[x][y]+1

                q.append([tmp_x,tmp_y])

        return grid[cur[0]][cur[1]]-1

leetcode 542:01矩阵

https://leetcode.cn/problems/01-matrix/

求每一个非0元素到最近的0的距离。可以理解成以0为起点,向周围扩散,并用起到到当前位置的距离进行标记。要返回的是距离矩阵,其实就是被标记后的矩阵。

class Solution(object):
    def updateMatrix(self, matrix):
        """
        :type mat: List[List[int]]
        :rtype: List[List[int]]
        """

        q = []
        m = len(matrix)
        n = len(matrix[0])
        for i in range(m):
            for j in range(n):
                if matrix[i][j]==0:
                    q.append([i,j])
                else:
                    matrix[i][j] = -1

        direction = [[1,0],[-1,0],[0,1],[0,-1]]
        while q:
            cur = q.pop(0)
            x,y = cur
            for di in direction:
                newx = x+di[0]
                newy = y+di[1]
                if newx<0 or newy<0 or newx>=m or newy>=n or matrix[newx][newy]!=-1:
                    continue
                matrix[newx][newy] = matrix[x][y]+1
                q.append([newx,newy])
        return matrix

leetcode 1020:飞地的数量

https://leetcode.cn/problems/number-of-enclaves/

找到无法离开网格边界的陆地单元格的数量,就是找没有和边界相连的陆地单元格的数量。我们可以换个思路,找到所有与边界相连的陆地单元格,并把它们置0,那么剩下的陆地单元格就是不相连的。

我们的源就是边界上的陆地单元格,以此为入口向四个方向遍历。

class Solution(object):
    def numEnclaves(self, grid):
        """
        :type grid: List[List[int]]
        :rtype: int
        """

        m = len(grid)
        n = len(grid[0])

        if m<=2 or n<=2:
            return 0

        q = []
        for i in range(m):
            if grid[i][0]==1:
                q.append([i,0])
            if grid[i][n-1]==1:
                q.append([i,n-1])
        for j in range(1,n-1):
            if grid[0][j] == 1:
                q.append([0,j])
            if grid[m-1][j] ==1:
                q.append([m-1,j])
        direction = [[-1,0],[1,0],[0,1],[0,-1]]
        while q:
            cur = q.pop(0)
            x,y = cur
            grid[x][y] = 0

            for di in direction:
                newx = x+di[0]
                newy = y+di[1]

                if newx<0 or newy<0 or newx>=m or newy>=n or grid[newx][newy]==0:
                    continue
                grid[newx][newy] = 0
                q.append([newx,newy])

        return sum([sum(grid[i]) for i in range(m)])
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
在华为od机试中,新学校选址问题是一个关于使用Java语言解决的问题。在解决这个问题时,我们可以通过以下步骤来完成。 首先,我们需要理解问题的要求和限制条件。新学校选址的目标是在一个给定的地图上找到一个合适的位置来建设新学校。这个位置应满足一定的条件,比如与周围的住宅区距离不宜过远,应尽可能靠近居民区。限制条件可能还包括学校面积和周边环境等。 接下来,我们需要获取地图的数据。可以通过读取一个地图文件或者从数据库中查询地图数据来获得地图的信息。地图数据的存储方式可以灵活选择,比如使用二维数组或者邻接矩阵。 然后,我们需要编写一个Java程序来实现新学校选址算法。可以使用图的遍历算法,比如深度优先搜索(DFS)或广度优先搜索(BFS)来实现。算法的核心是通过递归或循环遍历地图上的每一个位置,并根据选址条件进行判断和筛选。 最后,我们需要输出选址结果。可以将选定的位置以某种方式标记在地图上,比如输出一个新的地图文件或者在图形界面中显示。同时,还可以输出选址的具体坐标和其他相关信息,以便后续的学校建设工作。 总之,通过使用Java语言,我们可以通过一个新学校选址问题来展示我们在算法设计和编程方面的能力。相信在华为od机试中,通过合理的数据处理和算法实现,我们可以解决这个问题并得出满意的选址结果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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
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