最小体力消耗路径

1. 题目

你准备参加一场远足活动。给你一个二维 rows x columns 的地图 heights ，其中 heights[row][col] 表示格子 (row, col) 的高度。一开始你在最左上角的格子 (0, 0) ，且你希望去最右下角的格子 (rows-1, columns-1) （注意下标从 0 开始编号）。你每次可以往 上，下，左，右 四个方向之一移动，你想要找到耗费 体力 最小的一条路径。

一条路径耗费的 体力值 是路径上相邻格子之间 高度差绝对值 的 最大值 决定的。

请你返回从左上角走到右下角的最小 体力消耗值 。

2. 示例

示例 1：

输入：heights = [[1,2,2],[3,8,2],[5,3,5]]
输出：2
解释：路径 [1,3,5,3,5] 连续格子的差值绝对值最大为 2 。
这条路径比路径 [1,2,2,2,5] 更优，因为另一条路径差值最大值为 3 。

示例 2：

输入：heights = [[1,2,3],[3,8,4],[5,3,5]]
输出：1
解释：路径 [1,2,3,4,5] 的相邻格子差值绝对值最大为 1 ，比路径 [1,3,5,3,5] 更优。

示例 3：

输入：heights = [[1,2,1,1,1],[1,2,1,2,1],[1,2,1,2,1],[1,2,1,2,1],[1,1,1,2,1]]
输出：0
解释：上图所示路径不需要消耗任何体力。

提示：

• rows == heights.length
• columns == heights[i].length
• 1 <= rows, columns <= 100
• 1 <= heights[i][j] <= 106

3. 思路

        这题我刚开始以为是动态规划的题目，因为这个和我之前做的一个题目很像，但看到第三个示例的图我才知道这是图搜索类型的题目，而说到图搜索，我们第一反应想到的是BFS（广度优先搜索）或DFS（深度优先搜索）这两种算法。因此这题我打算采用BFS算法；但是该如何进行BFS呢？

        首先，我们可以定义一个二元组列表，用来模拟上下左右移动，然后我们可以用二分查找算法来求最终的结果。这里就要提到为什么用二分查找，因为我们要查找最小体力消耗路径，而体力消耗是这条路径上最大的高度差，因此我们可以用一个x_0来定义当前路径最大允许的高度差，如果在该情况下可以到达终点，则说明结果ans <= x_0，即x_0大了，需要减少x_0的值；而如果不能到达终点，说明我们的x_0小了，需要增大x_0的值。因此这里我们可以用二分查找来寻找最小的x_0。

        然后在每次x_0（当前允许的最大高度差）的基础上，我们定义一个队列来实现BFS算法，我们将下一个移动的点加入队列的条件有哪些呢？

• 0 <= x <= rows - 1
• 0 <= y <= cols - 1
• 
• (new_x,new_y) 没有访问过

4. 代码

class Solution:
    def minimumEffortPath(self, heights: List[List[int]]) -> int:
        rows, columns = len(heights), len(heights[0])
        move = [(0, -1), (-1, 0), (0, 1), (1, 0)]  # 左上右下
        ans, left, right = 0, 0, 10 ** 6 - 1
        while left <= right:
            x_0 = (left + right) // 2    # 当前路线的最大允许高度差
            queue = [(0, 0)]    # 起点
            visited = {(0, 0), }    # 访问集合
            # 当队列不为空
            while queue:
                current = queue.pop(0)    # 出队
                # # 移动
                for x, y in move:
                    # 下一个点的x,y坐标
                    new_x, new_y = current[0] + x, current[1] + y
                    # 如果不在visited集合中 且 坐标合理 且 当前高度差小于允许高度差
                    if (new_x, new_y) not in visited and 0 <= new_x < rows and 0 <= new_y < columns and abs(
                            heights[current[0]][current[1]] - heights[new_x][new_y]) <= x_0:
                        queue.append((new_x, new_y))  # 加入队列
                        visited.add((new_x, new_y))    # 加入访问集合，之后不再访问
                # 如果到了最右下角则退出（终点）
                if current[0] == rows - 1 and current[1] == columns - 1:
                    ans = x_0    # 重置结果值
                    break
            # 如果当前路线可以到达终点
            if ans == x_0:
                right = x_0 - 1    # 减少右边界的值
            else:
                left = x_0 + 1    # 增加左边界的值
        return ans

    

5. 结果显示