Leetcode-864. 获取所有钥匙的最短路径

题目描述:

给定一个二维网格 grid ,其中:

'.' 代表一个空房间
'#' 代表一堵
'@' 是起点
小写字母代表钥匙
大写字母代表锁
我们从起点开始出发,一次移动是指向四个基本方向之一行走一个单位空间。我们不能在网格外面行走,也无法穿过一堵墙。如果途经一个钥匙,我们就把它捡起来。除非我们手里有对应的钥匙,否则无法通过锁。

假设 k 为 钥匙/锁 的个数,且满足 1 <= k <= 6,字母表中的前 k 个字母在网格中都有自己对应的一个小写和一个大写字母。换言之,每个锁有唯一对应的钥匙,每个钥匙也有唯一对应的锁。另外,代表钥匙和锁的字母互为大小写并按字母顺序排列。

返回获取所有钥匙所需要的移动的最少次数。如果无法获取所有钥匙,返回 -1 。

LevelAC rate
Hard59.8%

题目解析:

难得很!!看了答案过后勉强磕磕绊绊写出来了,在迷宫中实现了广度优先遍历搜索,使用一个三维矩阵,分别为数据点的行坐标、列坐标和状态表达式,矩阵的值为当前点对应的行动步数。所谓状态表达式就是目前拥有的钥匙数,使用位运算,将每个钥匙使用对应位置置1表示,当状态表达式和所有位都为1的值相同时,表明拿到了所有钥匙,返回当前步数即可,需要注意的是,当遇到箱子时需要对手上的钥匙进行判断,并且每一步都需要在当前对应点没有被走过的情况下进行行动,代码如下:

class Solution {
public:
    int shortestPathAllKeys(vector<string>& grid) {
        vector<vector<int>> direction{{-1,0},{1,0},{0,-1},{0,1}};
        int m = grid.size();
        int n = grid[0].length();
        int sx = 0;
        int sy = 0;
        unordered_map<char,int> k2p;
        for(int i = 0 ; i<m ; i++){
            for(int j = 0 ; j<n ; j++){
                if(grid[i][j]=='@'){
                    sx = i;
                    sy = j;
                }
                else if(islower(grid[i][j])){
                    if(!k2p.count(grid[i][j])){
                        int idx = k2p.size();
                        k2p[grid[i][j]] = idx;
                    }
                }
            }
        }
        queue<tuple<int, int, int>> q;
        vector<vector<vector<int>>> data(m, vector<vector<int>>(n, vector<int>(1 << k2p.size(), -1)));
        q.emplace(sx,sy,0);
        data[sx][sy][0] = 0;
        while(!q.empty()){
            auto [x,y,curs] = q.front();
            q.pop();
            for(int pos = 0 ; pos<4 ; pos++){
                int cx = x+direction[pos][0];
                int cy = y+direction[pos][1];
                if(cx>=0&&cx<m&&cy>=0&&cy<n&&grid[cx][cy]!='#'){
                    if(grid[cx][cy]=='.'||grid[cx][cy]=='@'){
                        if(data[cx][cy][curs]==-1){
                            data[cx][cy][curs] = data[x][y][curs]+1;
                            q.emplace(cx,cy,curs);
                        }
                    }
                    else if(islower(grid[cx][cy])){
                        int idx =  (1<<k2p[grid[cx][cy]]);
                        if(data[cx][cy][curs|idx]==-1){
                            data[cx][cy][curs|idx] = data[x][y][curs]+1;
                            if((curs|idx)==(1<<k2p.size())-1){
                                return data[cx][cy][curs|idx];
                            }
                            q.emplace(cx,cy,curs|idx);
                        }
                    }
                    else{
                        int idx = (1<<k2p[tolower(grid[cx][cy])]);
                        if((curs&idx)&&data[cx][cy][curs]==-1){
                            data[cx][cy][curs] = data[x][y][curs]+1;
                            q.emplace(cx,cy,curs);
                        }
                    }
                }
            }
        }
        return -1;
    }
};

执行用时:32 ms, 在所有 C++ 提交中击败了50.15%的用户

内存消耗:12.3 MB, 在所有 C++ 提交中击败了32.93%的用户

### 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