本次题目全部来自卡码网
110.字符串接龙
本题只需要求出最短路径的长度就可以了,不用找出具体路径。
所以这道题要解决两个问题:
- 图中的线是如何连在一起的
- 起点和终点的最短路径长度
首先题目中并没有给出点与点之间的连线,而是要我们自己去连,条件是字符只能差一个。所以判断点与点之间的关系,需要判断是不是差一个字符,如果差一个字符,那就是有连接。
然后就是求起点和终点的最短路径长度,这里无向图求最短路,广搜最为合适,广搜只要搜到了终点,那么一定是最短的路径。因为广搜就是以起点中心向四周扩散的搜索。
另外需要有一个注意点:
- 本题是一个无向图,需要用标记位,标记着节点是否走过,否则就会死循环!
- 使用set来检查字符串是否出现在字符串集合里更快一些
import collections
if __name__ == '__main__':
n = int(input())
strSet = set()
beginStr, endStr = input().strip().split()
for _ in range(n):
strSet.add(input())
# 记录strSet里的字符串是否被访问过,同时记录路径长度
visitMap = dict() # <记录的字符串,路径长度>
# 初始化队列
que = collections.deque()
que.append(beginStr)
# 初始化visitMap
visitMap[beginStr] = 1
while que:
word = que.popleft()
path = visitMap.get(word) # 这个字符串在路径中的长度
# 开始在这个str中,挨个字符去替换
for i in range(len(word)):
newWord = word
# 遍历26个字母
for j in range(26):
newWord = word[:i] + chr(j + ord('a')) + word[i+1:]
if newWord == endStr: # 发现替换字母后,字符串与终点字符串相同
print(path + 1) # 找到了路径
exit()
# 字符串集合里出现了newWord,并且newWord没有被访问过
if newWord in strSet and newWord not in visitMap:
# 添加访问信息,并将新字符串放到队列中
visitMap[newWord] = path + 1
que.append(newWord)
# 没找到输出0
print(0)
105. 有向图的完全可达性
两种深度优先搜索的算法主要是终止条件的位置不同
# 写法一:dfs 处理当前访问的节点
def dfs(graph, key, visited):
if visited[key]:
return
visited[key] = True
keys = graph[key]
for key in keys:
dfs(graph, key, visited)
if __name__ == '__main__':
n, m = map(int, input().strip().split())
# 节点编号从1到n,所以申请 n+1 这么大的数组
graph = [[] for _ in range(n + 1)] # 邻接表
while m > 0:
s, t = map(int, input().strip().split())
# 使用邻接表 ,表示 s -> t 是相连的
graph[s].append(t)
m -= 1
visited = [False] * (n + 1)
dfs(graph, 1, visited);
# 检查是否都访问到了
for i in range(1, n + 1):
if not visited[i]:
print(-1)
exit()
print(1)
# 写法二:处理下一个要访问的节点
def dfs(graph, key, visited):
keys = graph[key]
for key in keys:
if not visited[key]:
visited[key] = True
dfs(graph, key, visited)
if __name__ == '__main__':
n, m = map(int, input().strip().split())
# 节点编号从1到n,所以申请 n+1 这么大的数组
graph = [[] for _ in range(n + 1)] # 邻接表
while m > 0:
s, t = map(int, input().strip().split())
# 使用邻接表 ,表示 s -> t 是相连的
graph[s].append(t)
m -= 1
visited = [False] * (n + 1)
visited[1] = True
dfs(graph, 1, visited)
# 检查是否都访问到了
for i in range(1, n + 1):
if not visited[i]:
print(-1)
exit()
print(1)
广度优先搜索
if __name__ == '__main__':
n, m = map(int, input().strip().split())
# 节点编号从1到n,所以申请 n+1 这么大的数组
graph = [[] for _ in range(n + 1)] # 邻接表
while m > 0:
s, t = map(int, input().strip().split())
# 使用邻接表 ,表示 s -> t 是相连的
graph[s].append(t)
m -= 1
visited = [False] * (n + 1)
visited[1] = True
que = [1]
# 广度优先搜索的过程
while que:
key = que.pop()
keys = graph[key]
for key in keys:
if not visited[key]:
que.append(key)
visited[key] = True
# 检查是否都访问到了
for i in range(1, n + 1):
if not visited[i]:
print(-1)
exit()
print(1)
106. 岛屿的周长
解法一: 遍历每一个空格,遇到岛屿则计算其上下左右的空格情况。
如果该陆地上下左右的空格是有水域,则说明是一条边。如果该陆地上下左右的空格出界了,则说明是一条边。
if __name__ == '__main__':
n, m = map(int, input().strip().split())
grid = [[i for i in map(int, input().strip().split())] for _ in range(n)]
dir = [(1, 0), (-1, 0), (0, 1), (0, -1)]
result = 0
for i in range(n):
for j in range(m):
if grid[i][j] == 1:
for k in range(4):
x = i + dir[k][0]
y = j + dir[k][1]
if x < 0 or x >= len(grid) or y < 0 or y >= len(grid[0]) or grid[x][y] == 0:
result += 1
print(result)
解法二: 计算出总的岛屿数量,总的变数为:岛屿数量 * 4
因为有一对相邻两个陆地,边的总数就要减2。那么只需要在计算出相邻岛屿的数量就可以了,相邻岛屿数量为cover。
result = 岛屿数量 * 4 - cover * 2;
if __name__ == '__main__':
n, m = map(int, input().strip().split())
grid = [[i for i in map(int, input().strip().split())] for _ in range(n)]
_sum = 0 # 陆地数量
cover = 0 # 相邻数量
for i in range(n):
for j in range(m):
if grid[i][j] == 1:
_sum += 1 # 统计总的陆地数量
# 统计上边相邻陆地
if i - 1 >= 0 and grid[i-1][j] == 1:
cover += 1
# 统计左边相邻陆地
if j - 1 >= 0 and grid[i][j-1] == 1:
cover += 1
# 为什么没统计下边和右边? 因为避免重复计算
print(_sum * 4 - cover * 2)