LeetCode 200. 岛屿数量(Easy)/ 695.岛屿的最大面积(Medium)/ 305. 岛屿数量 II(Hard)/ 130.【把O变成X】被围绕的区域(Medium)

题解

  1. 200. 岛屿数量(DFS / BFS)

思路

在这里插入图片描述
在这里插入图片描述

代码

class Solution:
    ### 0201 DFS(72 ms,18.7 MB)
    def numIslands(self, grid: List[List[str]]) -> int:
        # dfs使用 or 
        def dfs(i, j):
            if not 0 <= i < len(grid) or not 0 <= j < len(grid[0]) or grid[i][j] != '1':
                return
            
            grid[i][j] = '0' # 已经访问的值置为0

            dfs(i-1, j)
            dfs(i+1, j)
            dfs(i, j-1)
            dfs(i, j+1)

        cnt = 0
        for i in range(len(grid)):
            for j in range(len(grid[0])):
                if grid[i][j] == '1':
                    dfs(i, j)
                    cnt += 1
        
        return cnt

    ### 0201 BFS(160 ms,18.7 MB)
    def numIslands(self, grid: List[List[str]]) -> int:
        # bfs使用 and
        def bfs(i, j):
            q = [(i, j)] # 这里列表中可以存放列表 or 元组

            while q:
                (i, j) = q.pop(0)

                if 0 <= i < len(grid) and 0 <= j < len(grid[0]) and grid[i][j] == '1':
                    grid[i][j] = '0' # 已经访问的值置为0

                    q += [(i-1, j), (i+1, j), (i, j-1), (i, j+1)]
            
        cnt = 0
        for i in range(len(grid)):
            for j in range(len(grid[0])):
                if grid[i][j] == '1':
                    bfs(i, j)
                    cnt += 1

        return cnt

岛屿的最大面积

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

305. 岛屿数量 II

在这里插入图片描述

class Solution(object):
    def numIslands2(self, m, n, positions):

        x_l = [0, 1, 0, -1]
        y_l = [1, 0, -1, 0]
        fa = {}

        def find(x):
            if fa[x] != x:
                fa[x] = find(fa[x])
            return fa[x]

        res = []
        now = 0
        for x, y in positions:
            v = x * n + y
            if v not in fa:
                fa[v] = v
                now += 1

                for idx in range(4):
                    xx = x + x_l[idx]
                    yy = y + y_l[idx]
                    if xx >= 0 and xx < m and yy >= 0 and yy < n:
                        vv = xx * n + yy
                        if vv in fa:
                            fa_vv = find(vv)
                            if fa_vv != v: # 通过查询并查集来判断是否为同一个连通分量
                                fa[fa_vv] = v
                                now -= 1
            res.append(now)
        
        return res
class Solution:
    def numIslands2(self, m: int, n: int, positions: List[List[int]]) -> List[int]:
        ids = {}
        ans = []
        num_islands = 0
        for i, j in positions:
            num_islands -= self.union(ids, i, j)
            ans.append(num_islands)
        return ans

    def find(self, ids, i, j):
        t = (i, j)
        while t in ids and ids[t] != t:
            ids[t] = ids[ids[t]]
            t = ids[t]
        return t

    def union(self, ids, i, j):
        if (i, j) in ids:
            return 0
            
        t = (i, j)
        ids[t] = t
        disappeared = 0
        if (i - 1, j) in ids:
            ni, nj = self.find(ids, i - 1, j)
            if (ni, nj) != t:
                disappeared += 1
            ids[(ni, nj)] = t

        if (i + 1, j) in ids:
            ni, nj = self.find(ids, i + 1, j)
            if (ni, nj) != t:
                disappeared += 1
            ids[ni, nj] = t

        if (i, j - 1) in ids:
            ni, nj = self.find(ids, i, j - 1)
            if (ni, nj) != t:
                disappeared += 1
            ids[(ni, nj)] = t
        if (i, j + 1) in ids:
            ni, nj = self.find(ids, i, j + 1)
            if (ni, nj) != t:
                disappeared += 1
            ids[ni, nj] = t
        return disappeared - 1
  • 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