问题描述:
给定一个由 0 和 1 组成的矩阵 mat ,请输出一个大小相同的矩阵,其中每一个格子是 mat 中对应位置元素到最近的 0 的距离。两个相邻元素间的距离为 1 。
- eg 1:
输入:mat = [[0,0,0],[0,1,0],[1,1,1]]
输出:[[0,0,0],[0,1,0],[1,2,1]]
图例:
输入:
输出:
实际上就是在给定的矩阵中,0元素保持不变,其他元素变为离最近的0元素的距离;
对于这类问题,有以下解决方法:
广度优先搜索:
例如下图,若矩阵中只有一个0元素,那么周围元素离0元素距离为1的只有四个,分别为上下左右。
离0元素距离为2的便是0的对角方向和左左右右上上下下等等
可以找到矩阵中所有的0元素,从这些0元素出发去分别找距离为1,2,3的位置便是基本思路;
- 首先创建一个用于广度搜索的队列:
Queue<int[]> queue = new LinkedList<int[]>(); // 用于广度优先搜索的队列
- 然后将所有的0元素添加到队列中,在录入0元素的位置坐标时,要注意0元素和0元素之间可能会存在干扰,所以要引入一个Boolean变量来判断是否访问过此元素:
int m = matrix.length, n = matrix[0].length;
int[][] dist = new int[m][n]; // 用于存储每个位置到最近的 0 的距离
boolean[][] seen = new boolean[m][n]; // 用于标记位置是否已经访问过
Queue<int[]> queue = new LinkedList<int[]>(); // 用于广度优先搜索的队列
// 将所有的 0 添加进初始队列中,并标记已访问
for (int i = 0; i < m; ++i) {
for (int j = 0; j < n; ++j) {
if (matrix[i][j] == 0) {
queue.offer(new int[]{i, j}); // 将坐标加入队列
seen[i][j] = true; // 标记为已访问
}
}
queue.offer()实现的功能是将这些0元素的坐标数据加入该队列的尾部
- 之后便开始搜索:
利用队列queue.poll()方法弹出队列中的一个位置,由于其返回的是一个一维数组,是一个坐标数组,包含两个元素,分别表示行和列的坐标。我们可以创建一个一维数组来存储:
int[] cell = queue.poll(); // 弹出队列中的一个位置
int i = cell[0], j = cell[1];
- 然后以这个0元素为中心遍历四个方向:
for (int d = 0; d < 4; ++d) {
int ni = i + dirs[d][0]; // 计算新位置的行坐标
int nj = j + dirs[d][1]; // 计算新位置的列坐标
}
- 然后判断新位置是否被访问过,如果满足新位置没有在矩阵范围之外或从未被访问过,则将此新位置的距离数+1,并加入队列:
if (ni >= 0 && ni < m && nj >= 0 && nj < n && !seen[ni][nj]) {
dist[ni][nj] = dist[i][j] + 1; // 更新距离
queue.offer(new int[]{ni, nj}); // 将新位置加入队列
seen[ni][nj] = true; // 标记为已访问
}
- 最后将以上操作套入循环,将矩阵中所有位置都进行更新:
while (!queue.isEmpty()) {
int[] cell = queue.poll(); // 弹出队列中的一个位置
int i = cell[0], j = cell[1];
// 遍历四个方向
for (int d = 0; d < 4; ++d) {
int ni = i + dirs[d][0]; // 计算新位置的行坐标
int nj = j + dirs[d][1]; // 计算新位置的列坐标
// 判断新位置是否在矩阵范围内且未访问过
if (ni >= 0 && ni < m && nj >= 0 && nj < n && !seen[ni][nj]) {
dist[ni][nj] = dist[i][j] + 1; // 更新距离
queue.offer(new int[]{ni, nj}); // 将新位置加入队列
seen[ni][nj] = true; // 标记为已访问
}
}
}
return dist; // 返回最终结果
}
总实现类代码如下:
class Solution {
// 定义四个方向的偏移量,上、下、左、右
static int[][] dirs = {{-1, 0}, {1, 0}, {0, -1}, {0, 1}};
// 主函数,接收一个二维矩阵,返回一个与输入矩阵大小相同的二维数组,表示每个位置距离最近的 0 的距离
public int[][] updateMatrix(int[][] matrix) {
int m = matrix.length, n = matrix[0].length;
int[][] dist = new int[m][n]; // 用于存储每个位置到最近的 0 的距离
boolean[][] seen = new boolean[m][n]; // 用于标记位置是否已经访问过
Queue<int[]> queue = new LinkedList<int[]>(); // 用于广度优先搜索的队列
// 将所有的 0 添加进初始队列中,并标记已访问
for (int i = 0; i < m; ++i) {
for (int j = 0; j < n; ++j) {
if (matrix[i][j] == 0) {
queue.offer(new int[]{i, j}); // 将坐标加入队列
seen[i][j] = true; // 标记为已访问
}
}
}
// 广度优先搜索
while (!queue.isEmpty()) {
int[] cell = queue.poll(); // 弹出队列中的一个位置
int i = cell[0], j = cell[1];
// 遍历四个方向
for (int d = 0; d < 4; ++d) {
int ni = i + dirs[d][0]; // 计算新位置的行坐标
int nj = j + dirs[d][1]; // 计算新位置的列坐标
// 判断新位置是否在矩阵范围内且未访问过
if (ni >= 0 && ni < m && nj >= 0 && nj < n && !seen[ni][nj]) {
dist[ni][nj] = dist[i][j] + 1; // 更新距离
queue.offer(new int[]{ni, nj}); // 将新位置加入队列
seen[ni][nj] = true; // 标记为已访问
}
}
}
return dist; // 返回最终结果
}
}
动态规划
我们可以发现,对于一个给定的数组而言,其余元素离0元素的距离移动无非是向左向上,向左向下,向右向上,向右向下,那么可以利用这四种方法便可以完整的将距离进行表示
- 首先创建一个二维数组用来存放最终结果
int m = mat.length, n = mat[0].length;
int[][] dist = new int[m][n];
for (int i = 0; i < m; ++i) {
Arrays.fill(dist[i], Integer.MAX_VALUE /2);//当你在程序中使用 Integer.MAX_VALUE 时,是可以取到这个值的
//但是需要注意的是,如果在某个表达式中的计算导致超过 Integer.MAX_VALUE,则会发生溢出,结果将变为负数。
//因此,在实际编程中,为了防止溢出,通常会采取一些预防性的措施
//例如使用 Integer.MAX_VALUE / 2,这是一个相对较大的值,减小了发生溢出的风险。
}
- 之后将0元素的位置的值变为0(改之前是Integer.MAX_VALUE /2):
for (int i = 0; i < m; ++i) {
for (int j = 0; j < n; ++j) {
if (mat[i][j] == 0) {
dist[i][j] = 0;
}
}
}
- 然后就是写出分别向左向上,向左向下,向右向上,向右向下的动态规划方程,要注意移动的过程中不能超出二维数组边界:
向左向上:
for (int i = 0; i < m; ++i) {
for (int j = 0; j < n; ++j) {
if (i - 1 >= 0) {
dist[i][j] = Math.min(dist[i][j], dist[i - 1][j] + 1);
}
if (j - 1 >= 0) {
dist[i][j] = Math.min(dist[i][j], dist[i][j - 1] + 1);
}
}
}
向左向下
for (int i = m - 1; i >= 0; --i) {
for (int j = 0; j < n; ++j) {
if (i + 1 < m) {
dist[i][j] = Math.min(dist[i][j], dist[i + 1][j] + 1);
}
if (j - 1 >= 0) {
dist[i][j] = Math.min(dist[i][j], dist[i][j - 1] + 1);
}
}
}
向右向上
for (int i = 0; i < m; ++i) {
for (int j = n - 1; j >= 0; --j) {
if (i - 1 >= 0) {
dist[i][j] = Math.min(dist[i][j], dist[i - 1][j] + 1);
}
if (j + 1 < n) {
dist[i][j] = Math.min(dist[i][j], dist[i][j + 1] + 1);
}
}
}
向右向下
for (int i = m - 1; i >= 0; --i) {
for (int j = n - 1; j >= 0; --j) {
if (i + 1 < m) {
dist[i][j] = Math.min(dist[i][j], dist[i + 1][j] + 1);
}
if (j + 1 < n) {
dist[i][j] = Math.min(dist[i][j], dist[i][j + 1] + 1);
}
}
}
最后返回修改好的dist二维数组即可
完整方法类代码如下:
class Solution {
public int[][] updateMatrix(int[][] mat) {
int m = mat.length, n = mat[0].length;
// 初始化动态规划的数组,所有的距离值都设置为一个很大的数
int[][] dist = new int[m][n];
for (int i = 0; i < m; ++i) {
Arrays.fill(dist[i], Integer.MAX_VALUE/2);
}
// 如果 (i, j) 的元素为 0,那么距离为 0
for (int i = 0; i < m; ++i) {
for (int j = 0; j < n; ++j) {
if (mat[i][j] == 0) {
dist[i][j] = 0;
}
}
}
// 只有 水平向左移动 和 竖直向上移动,注意动态规划的计算顺序
for (int i = 0; i < m; ++i) {
for (int j = 0; j < n; ++j) {
if (i - 1 >= 0) {
dist[i][j] = Math.min(dist[i][j], dist[i - 1][j] + 1);
}
if (j - 1 >= 0) {
dist[i][j] = Math.min(dist[i][j], dist[i][j - 1] + 1);
}
}
}
// 只有 水平向左移动 和 竖直向下移动,注意动态规划的计算顺序
for (int i = m - 1; i >= 0; --i) {
for (int j = 0; j < n; ++j) {
if (i + 1 < m) {
dist[i][j] = Math.min(dist[i][j], dist[i + 1][j] + 1);
}
if (j - 1 >= 0) {
dist[i][j] = Math.min(dist[i][j], dist[i][j - 1] + 1);
}
}
}
// 只有 水平向右移动 和 竖直向上移动,注意动态规划的计算顺序
// 只有 水平向右移动 和 竖直向下移动,注意动态规划的计算顺序
for (int i = m - 1; i >= 0; --i) {
for (int j = n - 1; j >= 0; --j) {
if (i + 1 < m) {
dist[i][j] = Math.min(dist[i][j], dist[i + 1][j] + 1);
}
if (j + 1 < n) {
dist[i][j] = Math.min(dist[i][j], dist[i][j + 1] + 1);
}
}
}
return dist;
}
}