Leetcode-130. Surrounded Regions

前言:为了后续的实习面试,开始疯狂刷题,非常欢迎志同道合的朋友一起交流。因为时间比较紧张,目前的规划是先过一遍,写出能想到的最优算法,第二遍再考虑最优或者较优的方法。如有错误欢迎指正。博主首发CSDN,mcf171专栏。

博客链接:mcf171的博客

——————————————————————————————

Given a 2D board containing 'X' and 'O' (the letter O), capture all regions surrounded by 'X'.

A region is captured by flipping all 'O's into 'X's in that surrounded region.

For example,

X X X X
X O O X
X X O X
X O X X

After running your function, the board should be:

X X X X
X X X X
X X X X
X O X X
今天这几个题都很硬啊,很难做动。不过今天这个题提示我了,启发式的用递归需要谨慎,很有可能导致stackoverflow。同样的思路我自己维护一个堆,就没有问题。 Your runtime beats 2.54% of java submissions.

public class Solution {
    public void solve(char[][] board) {
        if(board.length < 2) return;
        if(board[0].length < 2) return;
        int[][] visited = new int[board.length][board[0].length];
        Map<String,Integer> positions = new HashMap<String,Integer>();
        for(int i = 0 ; i < board.length; i ++)
            for(int j = 0 ; j < board[0].length; j ++)
                if(board[i][j] == 'O')
                    positions.put(i + "," + j,1);
        while(!positions.isEmpty()){
            Iterator iterator = positions.keySet().iterator();
            String positionStr = (String)iterator.next();
            int i = Integer.parseInt(positionStr.split(",")[0]);
            int j = Integer.parseInt(positionStr.split(",")[1]);
            if(visited[i][j] == 0 && board[i][j] == 'O') {
                Stack<int[]> stack = new Stack<int[]>();
                List<int[]> data = new ArrayList<int[]>();
                stack.push(new int[]{i, j});
                boolean flag = true;
                while (!stack.empty()) {
                    int[] position = stack.pop();
                    positions.remove(position[0] + "," + position[1]);
                    data.add(position);
                    int row = position[0], column = position[1];
                    visited[row][column] = 1;
                    if (row == 0 || row == board.length - 1) flag = false;
                    if (column == 0 || column == board[0].length - 1) flag = false;
                    if (row < board.length - 1 && board[row + 1][column] == 'O' && visited[row + 1][column] == 0)
                        stack.push(new int[]{row + 1, column});
                    if (row > 0 && board[row - 1][column] == 'O' && visited[row - 1][column] == 0)
                        stack.push(new int[]{row - 1, column});
                    if (column < board[0].length - 1 && board[row][column + 1] == 'O' && visited[row][column + 1] == 0)
                        stack.push(new int[]{row, column + 1});
                    if (column > 0 && board[row][column - 1] == 'O' && visited[row][column - 1] == 0)
                        stack.push(new int[]{row, column - 1});
                }
                if (flag)
                    for (int[] position : data) board[position[0]][position[1]] = 'X';
            }
        }
    }
}

感觉还可以提升一下。 Your runtime beats 4.61% of java submissions.

public class Solution {
    public void solve(char[][] board) {
        if(board.length < 2) return;
        if(board[0].length < 2) return;
        int[][] visited = new int[board.length][board[0].length];
        Map<Integer,Integer> times = new HashMap<Integer,Integer>();
        int time = 1;
        for(int i = 1 ; i < board.length - 1; i ++)
            for(int j = 1 ; j < board[0].length - 1; j ++){
                if(visited[i][j] == 0 && board[i][j] == 'O') {
                    Stack<int[]> stack = new Stack<int[]>();
                    stack.push(new int[]{i,j});
                    boolean flag = true;
                    while(!stack.empty()){
                        int[] position = stack.pop();
                        int row = position[0],column = position[1];
                        visited[row][column] = time;
                        if(row == 0 || row == board.length - 1)flag = false;
                        if(column == 0 || column == board[0].length - 1)flag = false;
                        if(row < board.length - 1 && board[row + 1][column] == 'O' && visited[row + 1][column] == 0) stack.push(new int[]{row + 1,column});
                        if(row > 0 && board[row - 1][column] == 'O' && visited[row - 1][column] == 0) stack.push(new int[]{row - 1,column});
                        if(column < board[0].length - 1 && board[row][column + 1] == 'O' && visited[row][column + 1] == 0) stack.push(new int[]{row,column + 1});
                        if(column > 0 && board[row][column - 1] == 'O' && visited[row][column - 1] == 0) stack.push(new int[]{row,column - 1});
                    }
                    if(flag)
                        times.put(time, 1);
                    time ++;
                }
                if(times.containsKey(visited[i][j])) board[i][j] = 'X';
            }
    }
}




  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。
评论
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