leetCode-289. 生命游戏

题目:

根据 百度百科 ,生命游戏,简称为生命,是英国数学家约翰·何顿·康威在 1970 年发明的细胞自动机。

给定一个包含 m × n 个格子的面板,每一个格子都可以看成是一个细胞。每个细胞都具有一个初始状态:1 即为活细胞(live),或 0 即为死细胞(dead)。每个细胞与其八个相邻位置(水平,垂直,对角线)的细胞都遵循以下四条生存定律:

如果活细胞周围八个位置的活细胞数少于两个,则该位置活细胞死亡;
如果活细胞周围八个位置有两个或三个活细胞,则该位置活细胞仍然存活;
如果活细胞周围八个位置有超过三个活细胞,则该位置活细胞死亡;
如果死细胞周围正好有三个活细胞,则该位置死细胞复活;
根据当前状态,写一个函数来计算面板上所有细胞的下一个(一次更新后的)状态。下一个状态是通过将上述规则同时应用于当前状态下的每个细胞所形成的,其中细胞的出生和死亡是同时发生的。

示例:

输入: 
[
  [0,1,0],
  [0,0,1],
  [1,1,1],
  [0,0,0]
]
输出:
[
  [0,0,0],
  [1,0,1],
  [0,1,1],
  [0,1,0]
]

解题思路:

因为面板上所有格子需要同时被更新:不能先更新某些格子,然后使用它们的更新后的值再更新其他格子

 所以先用一个数组复制原始数组,然后更新规则基于该数组即可

代码实现:

class Solution {

    //因为面板上所有格子需要同时被更新:不能先更新某些格子,然后使用它们的更新后的值再更新其他格子
    //所以先用一个数组复制原始数组,然后更新规则基于该数组即可

    //八个相邻位置(水平,垂直,对角线)
    int[] dx = {-1, 1, 0, 0, -1, -1, 1, 1};
    int[] dy = {0, 0, -1, 1, -1, 1, -1, 1};
    public void gameOfLife(int[][] board) {
        int rows = board.length;
        int cols = board[0].length;
         
         int[][] copy = new int[rows][cols];
          for(int i=0;i<rows;i++){
            for(int j=0;j<cols;j++){
               copy[i][j] = board[i][j];
            }
        }

        for(int i=0;i<rows;i++){
            for(int j=0;j<cols;j++){
                int count = countLife(copy,i,j,rows,cols);
                //生存定律1
                if(copy[i][j] == 1 && count < 2){
                    board[i][j] = 0;
                }
                //生存定律3
                if(copy[i][j] == 1 && count > 3){
                    board[i][j] = 0;
                }
                //生存定律4
                if(copy[i][j] == 0 && count == 3){
                    board[i][j] = 1;
                }
            }
        }

    }

    //统计当前细胞八个位置的活细胞数
    public int countLife(int[][] copy,int x,int y,int rows,int cols){
        int tx = 0,ty = 0;
        int count = 0;
        for(int k=0;k<8;k++){
            tx = x + dx[k];
            ty = y + dy[k];

            if( tx>=0&&tx<rows && ty>=0&&ty<cols && copy[tx][ty] == 1){
                ++count;
            }
        }
        return count;
    }
}

复杂度分析

  • 时间复杂度:O(mn),其中 m和 n 分别为 board 的行数和列数。
  • 空间复杂度:O(mn),为复制数组占用的空间。

解题思路【优化空间复杂度】:

因为面板上所有格子需要同时被更新:不能先更新某些格子,然后使用它们的更新后的值再更新其他格子

    为了进一步降低空间复杂度,不用复制数组,而是通过状态标记细胞的生命的变化:

    -1:原来是活细胞,更新后死亡;

    0:原来是死细胞,更新后仍死亡;

    1:原来是活细胞,更新后仍存活;

    2:原来是死细胞,更新后仍死亡;

    根据状态和更新规则来更新每个细胞即可

代码实现:

class Solution {

    //八个相邻位置(水平,垂直,对角线)
    int[] dx = {-1, 1, 0, 0, -1, -1, 1, 1};
    int[] dy = {0, 0, -1, 1, -1, 1, -1, 1};
    public void gameOfLife(int[][] board) {
        int rows = board.length;
        int cols = board[0].length;

        for(int i=0;i<rows;i++){
            for(int j=0;j<cols;j++){
                int count = countLife(board,i,j,rows,cols);
                //生存定律1
                if(board[i][j] == 1 && count < 2){
                    board[i][j] = -1;
                }
                //生存定律3
                if(board[i][j] == 1 && count > 3){
                    board[i][j] = -1;
                }
                //生存定律4
                if(board[i][j] == 0 && count == 3){
                    board[i][j] = 2;
                }
            }
        }

        //遍历得到更新状态
        for(int i=0;i<rows;i++){
            for(int j=0;j<cols;j++){
               board[i][j] = board[i][j]>0?1:0;
            }
        }
    }

    //统计当前细胞八个位置的活细胞数
    public int countLife(int[][] board,int x,int y,int rows,int cols){
        int tx = 0,ty = 0;
        int count = 0;
        for(int k=0;k<8;k++){
            tx = x + dx[k];
            ty = y + dy[k];

            if( tx>=0&&tx<rows && ty>=0&&ty<cols && (board[tx][ty] == 1 || board[tx][ty] == -1)){
                ++count;
            }
        }
        return count;
    }
}

 复杂度分析

  • 时间复杂度:O(mn),其中 m,n 分别为 board 的行数和列数。
  • 空间复杂度:O(1),除原数组外只需要常数的空间存放若干变量。
  • 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