LeetCode-365.水壶问题 广度优先搜索、费蜀定理

这里是题目描述:LeetCode-365.水壶问题

方法一:广度优先搜索

对于容量分别为x和y的水壶h1、h2,我们将两水壶分别有v1和v2升水作为一种状态,可以从当前状态出发经过一定操作(倒水、装水等)时两水壶水量变化到达下一个状态。当到达状态v1+v2=z时,就可以返回true。

我们将两水壶的某一状态看做图中的节点,将可能的倒水装水操作看做节点之间的路径。可以从v1=0、v2=0的节点出发,通过图的搜索算法求得结果

我们选用广度优先搜索,原因在于相比于深度优先搜索,广度优先搜索有“水滴波纹扩散”特性,有利于寻找到达某一节点的最短路径。为了避免重复搜索节点造成死循环,我们使用一个HashSet记录已经搜索过的节点,当遇到HashSet中已有的节点,则不进行搜索操作

根据题干,我们在搜索时可以采取的操作有:

  1. h1装满水
  2. h2装满水
  3. h1倒空
  4. h2倒空
  5. h1向h2倒水
  6. h2向h1倒水
    其中操作5和操作6还需区分倒满还有剩水(倒不完)和可以倒完
广度优先搜索代码
class Solution {
    //采用广度优先搜索解决
    public boolean canMeasureWater(int x, int y, int z) {
        if(z==0)
        {
            return true;
        }
        if(z<0 || z>x+y)
        {
            return false;
        }
        HashSet<String> visited=new HashSet<>(); //记录两水壶中有若干水的某一状态是否已经遍历过
        Queue<State> queue=new LinkedList<>(); //用于广度优先搜索的队列
        queue.offer(new State(0,0)); //初始状态,两个水壶都为空
        while(!queue.isEmpty())
        {
            State curState=queue.remove();
            if(visited.contains(curState.curWater[0]+" "+curState.curWater[1])) //该状态已经被遍历过
            {
                continue;
            }
            visited.add(curState.curWater[0]+" "+curState.curWater[1]);
            if(curState.curWater[0]+curState.curWater[1]==z)
            {
                return true;
            }
            //开始以当前状态广度优先地进行几种操作
            int[] water={curState.curWater[0],curState.curWater[1]};
            queue.offer(new State(x,water[1])); //1号杯装满
            queue.offer(new State(water[0],y)); //2号杯装满
            queue.offer(new State(0,water[1])); //1号杯倒空
            queue.offer(new State(water[0],0)); //2号杯倒空
            if((y-water[1])>=water[0]) //1号杯向2号杯倒水
            {
                queue.offer(new State(0,water[1]+water[0]));
            }
            else
            {
                queue.offer(new State(water[0]-(y-water[1]),y));
            }
            if((x-water[0])>=water[1]) //2号杯向1号杯倒水
            {
                queue.offer(new State(water[0]+water[1],0));
            }
            else
            {
                queue.offer(new State(x,water[1]-(x-water[0])));
            }
        }
        return false;
    }
}
class State //存储水壶x、水壶y分别有若干升水的状态,以及此状态是否被遍历过
{
    int[] curWater;
    public State(int w1,int w2)
    {
        this.curWater=new int[2];
        this.curWater[0]=w1;
        this.curWater[1]=w2;
    }
}

方法二:裴蜀定理

我们还可以使用数学的方法解此题:当容量为x、y的两水壶可以获得z升的水,则有ax+by=z,其中a、b均为整数。证明:

以x=3,y=5为例,当有ax+by=z,a=-2,b=2,表示需要将壶2接满两次水,壶1满壶状态下倒空两次:将壶2接满第一次,有5升水;壶2倒入壶1,壶2剩余2升水,壶1第一次倒空;将壶2的水倒入壶1,壶1有2升水,壶2空;将壶2接满第二次;将壶2的水倒入壶1,壶2剩余4升水;将壶1第二次倒空;于是就剩下了壶2的4升水

接下来我们说明裴蜀定理:设 d=gcd(a,b),那么对于方程 ax+by=d,一定存在一组整数解。并且对于方程 ax+by=z,如果满足 z%d==0,那么方程一定有整数解,否则无整数解。

因此我们用辗转相除法求得x和y的最大公约数d,若z%d==0,则ax+by=z有整数解,否则没有

裴蜀定理数学方法求解代码
class Solution {
    public boolean canMeasureWater(int x, int y, int z) {
        return z==0 || (x+y>=z && z%gcd(x,y)==0);
    }
    int gcd(int x,int y) //辗转相除求最大公约数
    {
        return y==0?x:gcd(y,x%y);
    }
}
  • 3
    点赞
  • 3
    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。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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