Dijkstra 算法
有关其原理部分介绍可参考我的上篇博客【LeetCode】743 and 917(Dijkstra 算法,最小路径算法)。
本文将从具体实例出发,介绍该算法的应用场景。
1631. 最小体力消耗
解法:Dijkstra 算法
「最短路径」使得我们很容易想到求解最短路径的 Dijkstra 算法,然而本题中对于「最短路径」的定义不是其经过的所有边权的和,而是其经过的所有边权的最大值,那么我们还可以用 Dijkstra 算法进行求解吗?
答案是可行的,只需要对dp table的更新逻辑进行修改即可。
from queue import PriorityQueue
class Solution:
def minimumEffortPath(self, heights: List[List[int]]) -> int:
m, n = len(heights), len(heights[0])
# 距离起点的最短路径,本文是经过所有边权的最大值
dis = [[float("inf") for _ in range(n)] for _ in range(m)]
# base case,自己到自己的最短路径是0
dis[0][0] = 0
# 优先队列,distFromStart 较⼩的排在前⾯。
# 贪心思维,对于每个状态,选择权值最小的那条边前进
pq = PriorityQueue()
pq.put([0, 0, 0])
seen = set()
while not pq.empty():
curDis, x, y = pq.get()
if (x, y) in seen:
continue
seen.add((x, y))
# 每个状态,有4个方向可以前进(等价于在图中的4个相邻节点)
for nx, ny in [(x-1, y), (x+1, y), (x, y-1), (x, y+1)]:
# 考虑边界情况
if nx < 0 or nx >= m or ny < 0 or ny >= n:
continue
# 找到最大边权值
value = max(curDis, abs(heights[nx][ny] - heights[x][y]))
# 如果更小(体力消耗更小),则更新dp table
if value < dis[nx][ny]:
dis[nx][ny] = value
pq.put([value, nx, ny])
return dis[-1][-1]
145. 二叉树的后序遍历
解法:DFS
使用二叉树的遍历框架即可求解。
# Definition for a binary tree node.
# class TreeNode:
# def __init__(self, val=0, left=None, right=None):
# self.val = val
# self.left = left
# self.right = right
class Solution:
def postorderTraversal(self, root: Optional[TreeNode]) -> List[int]:
def traverse(node):
nonlocal result
if not node:
return
traverse(node.left)
traverse(node.right)
result.append(node.val)
result = []
traverse(root)
return result