力扣127.单词接龙讲解

最新推荐文章于 2024-07-21 15:36:00 发布

Mr.祝小码

最新推荐文章于 2024-07-21 15:36:00 发布

阅读量616

点赞数 25

分类专栏：数据结构算法文章标签： leetcode 算法职场和发展 java 数据结构

本文链接：https://blog.csdn.net/m0_74195289/article/details/138623628

版权

数据结构算法专栏收录该内容

9 篇文章 0 订阅

订阅专栏

距离上一次刷题已经过去了.........嗯............我数一一下............整整十天，今天再来解一道算法题

由于这段时间准备简历，没咋写博客。。今天回来了！！！！！！！！！！！！！！！！

话不多说，看题：

题目:

字典 wordList 中从单词 beginWord 和 endWord 的 转换序列 是一个按下述规格形成的序列 beginWord -> s1 -> s2 -> ... -> sk：

每一对相邻的单词只差一个字母。
对于 1 <= i <= k 时，每个 si 都在 wordList 中。注意， beginWord 不需要在 wordList 中。
sk == endWord

给你两个单词 beginWord 和 endWord 和一个字典 wordList ，返回从 beginWord 到 endWord 的 最短转换序列 中的 单词数目 。如果不存在这样的转换序列，返回 0 。

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。

提示：

1 <= beginWord.length <= 10
endWord.length == beginWord.length
1 <= wordList.length <= 5000
wordList[i].length == beginWord.length
beginWord、endWord 和 wordList[i] 由小写英文字母组成
beginWord != endWord
wordList 中的所有字符串 互不相同

嘶。。。。太难了，不会。。。。

猝！！！！！

正片开始：

解题思路：

这道题可以使用广度优先搜索（BFS）算法来解决。BFS 算法从 beginWord 开始，逐层向外扩展，直到找到 endWord。以下是如何使用 BFS 算法解决这道题的思路：

使用队列 queue 来存储待访问的单词。
使用集合 visited 来记录已访问过的单词，避免重复访问。
初始化层数 level 为 1。
将 beginWord 加入队列 queue，并将 beginWord 加入集合 visited。
循环执行以下步骤，直到队列 queue 为空：
- 将队列 queue 中的所有单词出队。
- 对于每个出队的单词 currentWord：
  - 如果 currentWord 等于 endWord，则找到最短转换序列，返回层数 level。
  - 否则，获取 currentWord 的所有相邻单词 neighbors。
  - 对于每个相邻单词 neighbor：
    - 如果 neighbor 未被访问过，则将其加入队列 queue 和集合 visited。
- 将层数 level 加 1。
如果 BFS 结束后仍未找到 endWord，则返回 0。

具体代码实现：

import java.util.*;

public class WordLadder {
    public int ladderLength(String beginWord, String endWord, List<String> wordList) {
        // 如果字典中不存在 endWord，则返回 0
        if (!wordList.contains(endWord)) {
            return 0;
        }

        // 使用队列进行广度优先搜索（BFS）
        Queue<String> queue = new LinkedList<>();
        queue.offer(beginWord);

        // 使用集合记录已访问过的单词，避免重复访问
        Set<String> visited = new HashSet<>();
        visited.add(beginWord);

        // 层数，从 1 开始
        int level = 1;

        while (!queue.isEmpty()) {
            int size = queue.size();

            // 当前层的单词全部出队
            for (int i = 0; i < size; i++) {
                String currentWord = queue.poll();

                // 如果当前单词等于 endWord，则找到最短转换序列，返回层数
                if (currentWord.equals(endWord)) {
                    return level;
                }

                // 遍历当前单词的相邻单词
                List<String> neighbors = getNeighbors(currentWord, wordList);
                for (String neighbor : neighbors) {
                    // 如果相邻单词未被访问过，则将其加入队列和 visited 集合
                    if (!visited.contains(neighbor)) {
                        queue.offer(neighbor);
                        visited.add(neighbor);
                    }
                }
            }

            // 层数加 1
            level++;
        }

        // 如果 BFS 结束后仍未找到 endWord，则返回 0
        return 0;
    }

    // 获取当前单词的相邻单词
    private List<String> getNeighbors(String word, List<String> wordList) {
        List<String> neighbors = new ArrayList<>();

        for (String candidate : wordList) {
            int diffCount = 0;

            // 比较两个单词，计算不同字符的数量
            for (int i = 0; i < word.length(); i++) {
                if (word.charAt(i) != candidate.charAt(i)) {
                    diffCount++;
                }
            }

            // 如果不同字符的数量为 1，则 candidate 是相邻单词
            if (diffCount == 1) {
                neighbors.add(candidate);
            }
        }

        return neighbors;
    }
}