133. 克隆图
给你无向 连通 图中一个节点的引用,请你返回该图的 深拷贝(克隆)。
图中的每个节点都包含它的值 val(int) 和其邻居的列表(list[Node])。
class Node {
public int val;
public List neighbors;
}
测试用例格式:
简单起见,每个节点的值都和它的索引相同。例如,第一个节点值为 1(val = 1),第二个节点值为 2(val = 2),以此类推。该图在测试用例中使用邻接列表表示。
邻接列表 是用于表示有限图的无序列表的集合。每个列表都描述了图中节点的邻居集。
给定节点将始终是图中的第一个节点(值为 1)。你必须将 给定节点的拷贝 作为对克隆图的引用返回
使用DFS的方法,并且建立一个查找表,防止重复访问。
DFS还是有点麻烦,自己写的时候没写出来。
首先是建立一个clone 节点,其领域neighbor为空,接着就要更具原始节点的领域进行克隆。
这里就是DFS的关键:
for item in node.neighbors: #对于头节点的每一个相邻节点,加入到克隆的头的邻居中
clone.neighbors.append(dfs(item)) #邻居中加入的是每一个邻接点的克隆,在使用一次DFS
每次在克隆点的接的邻域是 原始节点邻域点的DFS。这里有点绕,接下来仔细分析一下:
- 假如只有一个节点 ,邻域为空,那么函数最后返回clone, 成立。
- 假如头节点有邻域,我们在clone后接邻域的时候,要把这些邻域都接上,再对接上的这些邻域复制头节点和邻域。
- 所以这里接邻域的时候是接的邻域的DFS,层层下移,对每个邻接点又进行克隆,复制邻接。
主要的思想:再写的时候我们需要注意把 dfs()看作已经复制克隆好了的邻域,这样想的话会方便易懂许多。
"""
# Definition for a Node.
class Node:
def __init__(self, val = 0, neighbors = []):
self.val = val
self.neighbors = neighbors
"""
class Solution:
def cloneGraph(self, node: 'Node') -> 'Node':
visited = {}
def dfs(node):
if not node:
return
if node in visited:
return visited[node]
clone = Node(node.val, [])#建立一个头clone
visited[node] = clone #将克隆的头加入已经访问过的表,防止重复访问。
for item in node.neighbors:#对于头节点的每一个相邻节点,加入到克隆的头的邻居中
clone.neighbors.append(dfs(item))#邻居中加入的是每一个邻接点的克隆,在使用一次DFS
return clone#返回的是克隆的头节点
return dfs(node)
还有一种BFS的写法:
class Solution:
def cloneGraph(self, node: 'Node') -> 'Node':
from collections import deque
lookup = {}
def bfs(node):
if not node: return
clone = Node(node.val, [])
lookup[node] = clone
queue = deque()
queue.appendleft(node)
while queue:
tmp = queue.pop()
for n in tmp.neighbors:
if n not in lookup:
lookup[n] = Node(n.val, [])
queue.appendleft(n)
lookup[tmp].neighbors.append(lookup[n])
return clone
return bfs(node)
作者:powcai
链接:https://leetcode-cn.com/problems/clone-graph/solution/dfs-he-bfs-by-powcai/
来源:力扣(LeetCode)
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。