leetcode-200. 岛屿数量-题解

本文探讨了如何使用深度优先搜索 (DFS) 和广度优先搜索 (BFS) 算法解决题目,计算给定由 '1' 和 '0' 构成的二维网格中岛屿的数量。两种方法分别通过递归和队列实现,帮助读者理解岛屿定义和遍历策略。
摘要由CSDN通过智能技术生成

题目描述

  • 给你一个由 ‘1’(陆地)和 ‘0’(水)组成的的二维网格,请你计算网格中岛屿的数量。
    岛屿总是被水包围,并且每座岛屿只能由水平方向和/或竖直方向上相邻的陆地连接形成。
    此外,你可以假设该网格的四条边均被水包围。
  • 示例 1:
输入:grid = [
  ["1","1","1","1","0"],
  ["1","1","0","1","0"],
  ["1","1","0","0","0"],
  ["0","0","0","0","0"]
]
输出:1
  • 示例 2:
输入:grid = [
  ["1","1","0","0","0"],
  ["1","1","0","0","0"],
  ["0","0","1","0","0"],
  ["0","0","0","1","1"]
]
输出:3

题解思路

  • 只有 x 轴(横向)和 y 轴(纵向)在一块才算是一个岛屿, 所以我们只要判断每个坐标四个方向位置就能判断是否为一个岛屿,防止重复遍历走过的地方设置为0
  • 采用dfs:当我们访问坐标为1时, 岛屿数量+1,坐标设置为0,遍历这个坐标四个方向的坐标并且设置为0;循环递归,直到遍历结束。
  • 采用bfs:bfs同理,不过是采用队列的方式;当前坐标为1,改为0;上下左右值为1时,入队;依次循环;

代码实现

java代码(dfs):

 public static int numIslands(char[][] grid) {
        if (grid == null || grid.length == 0) return 0;
        int result = 0;
        int row = grid.length, col = grid[0].length;
        for (int i=0; i<row; i++) {
            for (int j=0; j<col; j++) {
                // 发现岛屿+1
                if (grid[i][j] == '1') result = result+1;
                // 当前岛屿 1 改为 0
                dfs(grid, i, j, row, col);
            }
        }
        return result;
    }

    public static void dfs(char[][] grid, int x, int y, int row, int col) {
        // 1.return 条件
        if (x<0 || y<0 || x>= row || y>=col
                || grid[x][y] == '0') return;
        // 2.设置为0
        grid[x][y] = '0';
        // 3.查找周围
        dfs(grid, x-1, y, row, col);
        dfs(grid, x+1, y, row, col);
        dfs(grid, x, y-1, row, col);
        dfs(grid, x, y+1, row, col);
    }

java代码(bfs):

 public static int bfs(char[][] grid){
        if (grid == null || grid.length == 0) return 0;
        int result = 0;
        // 0. 建立高,宽
        int row = grid.length, col = grid[0].length;
        // 0. 建立队列
        Queue<Integer[]> q = new LinkedList<Integer[]>();
        // 1. 遍历
        for (int i=0; i<row; i++) {
            for (int j=0; j<col; j++) {
                // 2. 发现岛屿
                if (grid[i][j] == '1') {
                    // 3. 岛屿+1
                    result = result+1;
                    // 4. 当前岛屿 1 改为 0
                    q.add(new Integer[]{i, j});
                    grid[i][j] = '0';
                    //  5. 遍历周围
                    while (q.size() > 0) {
                        Integer[] cur = q.poll();
                        int x=cur[0], y=cur[1];
                        // 四个方向
                        if (x-1 >= 0 && grid[x-1][y] == '1') {
                            grid[x-1][y] = '0';
                            q.add(new Integer[]{x-1, y});
                        }
                        if (x+1 < row && grid[x+1][y] == '1') {
                            grid[x+1][y] = '0';
                            q.add(new Integer[]{x+1, y});
                        }
                        if (y-1 >= 0 && grid[x][y-1] == '1') {
                            grid[x][y-1] = '0';
                            q.add(new Integer[]{x, y-1});
                        }
                        if (y+1 < col && grid[x][y+1] == '1') {
                            grid[x][y+1] = '0';
                            q.add(new Integer[]{x, y+1});
                        }
                    }
                }
            }
        }
        return result;
    }
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    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 1
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