Leetcode 542. 01 Matrix (python+cpp)-CSDN博客

本文链接：https://blog.csdn.net/qq_37821701/article/details/106231056

博客详细介绍了LeetCode 542题目的多种解法，包括从0出发的BFS、从1出发的BFS以及双向动态规划。通过优化，将初始的O(m² * n²)复杂度降低到O(mn)，并提供了Python和C++的实现代码。作者强调了BFS在处理此类问题中的关键点，以及如何避免重复计算，加深了对多源最短路径问题的理解。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Leetcode 542. 01 Matrix

题目
解法1：BFS
解法2：BFS
解法3：双向动态规划
C++版本BFS
二刷

题目

在这里插入图片描述

解法1：BFS

这道题目第一眼看到的感觉应该是用BFS，但是如果直接用BFS对每个1的位置找最近的0的话，复杂度是会到O(m² * n²), 这样会超时。那么换种思路，如果从0的位置出发去更新1呢，这样会很大程度减少复杂度，具体如下：

构建一个与matrix相同形状的dist矩阵，每个位置的值代表与0的最短距离
首先遍历一次matrix，将所有0的位置压入队列，并且所有0的位置相应dist中的值设为0
开始对队列中的元素进行BFS，从0出发，假设当前的位置为[i][j],向四周扩散找1的位置为[x][y]，如果dist[x][y]>dist[i][j]+1的话，那么更新dist[x][y]的值，同时把这个[x][y]押入到队列

这样乍一看复杂度感觉是一样的，其实则不然，因为只有满足条件的位置才会被压入到队列中，所以复杂度会大大减小。leetcode官方给出的复杂度是O(mn)，我个人觉得不能保证是O(mn)，但一定比O(m² * n²)小很多

python代码如下：

class Solution:
    def updateMatrix(self, matrix: List[List[int]]) -> List[List[int]]：
        # BFS解法
        m,n = len(matrix),len(matrix[0])
        dist = [[float('inf')]*n for _ in range(m)]
        q = collections.deque()
        for i in range(m):
            for j in range(n):
                if matrix[i][j] == 0:
                    dist[i][j] = 0
                    q.append((i,j))
        dirs = [[0,1],[0,-1],[-1,0],[1,0]]
        while q:
            curr = q.popleft()
            for d in dirs:
                x = curr[0]+d[0]
                y = curr[1]+d[1]
                if x>=0 and x<m and y>=0 and y<n and matrix[x][y]==1:
                    if dist[x][y]>dist[curr[0]][curr[1]]+1:
                        dist[x][y] = dist[curr[0]][curr[1]]+1
                        q.append((x,y))
        return dist

解法2：BFS

上面第一种BFS是从0出发，然后不断向外更新最短距离。在二刷的时候，自己想了一种从1出发的BFS。就是从每个1出发，一圈圈向外扩张，找到0时计算步数。对于这种方法就是每个1的位置进行一次BFS。值得注意的是，这边的BFS必须加visited防止成环，而第一种BFS不需要，因为第一种BFS只有在距离更新的情况下才会将当前位置加入队列，否则不会。这样已经被更新过的节点不会被重复加入，代码如下：

class Solution:
    def updateMatrix(self, matrix: List[List[int]