LeetCode - 200. 岛屿数量

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
 

提示:

m == grid.length
n == grid[i].length
1 <= m, n <= 300
grid[i][j] 的值为 '0' 或 '1'

来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/number-of-islands/
 

求解

    class UnionFind {
    public:
        UnionFind(int n) : count(n) {
            parent.reserve(count + 1);
            for (int i = 0; i <= count; ++i) {
                parent.emplace_back(i);
            }
            rank.resize(count + 1, 1);  // 初始每个的层级均为1
        }

        bool isConnected(int p, int q) {
            return find(p) == find(q);
        }

        void unionElements(int p, int q) {
            int proot = find(p);
            int qroot = find(q);
            if (proot == qroot) {
                return;
            }

            if (rank[proot] < rank[qroot]) {
                parent[proot] = qroot;
            } else if (rank[proot] > rank[qroot]) {
                parent[qroot] = proot;
            } else {
                // rank[proot] == rank[qroot]
                parent[proot] = qroot;
                ++rank[qroot];  // proot ”挂载“到qroot下面,本来两个层级一致,现在需要增加1
            }
        }

        // 获取连通分量
        int getCount() {
            int connectCount = 0;
            for (int i = 0; i < count; ++i) {
                if (parent[i] == i) {
                    ++connectCount;
                }
            }
            return connectCount;
        }

    private:
        int find(int p) {
            while (p != parent[p]) {
                parent[p] = parent[parent[p]]; // 路径压缩优化,请细品
                p = parent[p];
            }
            return p;
        }

    private:
        std::vector<int> parent;
        int count;
        std::vector<int> rank;
    };

    class Solution {
    public:
        // 方法一,深度优先遍历求连通分量
        int numIslands_1e(vector<vector<char>> &grid) {
            m = grid.size();
            n = grid[0].size();

            int count = 0;
            visited.assign(m, vector<bool>(n, false));
            for (int i = 0; i < m; ++i) {
                for (int j = 0; j < n; ++j) {
                    if (grid[i][j] == '0' || visited[i][j]) {
                        continue;
                    }
                    ++count;
                    dfs(grid, i, j);
                }
            }
            return count;
        }

        // 方法一,广度优先遍历求连通分量
        int numIslands_2e(vector<vector<char>> &grid) {
            m = grid.size();
            n = grid[0].size();

            int count = 0;
            std::queue<std::pair<int, int>> q;
            visited.assign(m, vector<bool>(n, false));
            for (int i = 0; i < m; ++i) {
                for (int j = 0; j < n; ++j) {
                    if (grid[i][j] == '0' || visited[i][j]) {
                        continue;
                    }
                    ++count;
                    q.emplace(i, j);
                    visited[i][j] = true;
                    while (!q.empty()) {
                        auto[r, c] = q.front();  // c++17新增结构化绑定特性
                        q.pop();
                        for (const auto &p  : directions) {
                            int newR = r + p.first;
                            int newC = c + p.second;
                            if (newR < 0 || newR >= m || newC < 0 || newC >= n) {
                                // 索引超范围,跳过当前循环
                                continue;
                            }
                            // 访问未访问过且为0的节点
                            if (!visited[newR][newC] && grid[newR][newC] == '1') {
                                dfs(grid, newR, newC);
                            }
                        }
                    }
                }
            }
            return count;
        }


        // 方法三,并查集求连通分量
        // 所有的0关联,1各自关联
        int numIslands(vector<vector<char>> &grid) {
            m = grid.size();
            n = grid[0].size();

            const int gridNum = m * n;// 所有0与该值关联, 该值一定大于所有格子的编号,格子编号[0...gridNum-1]
            UnionFind uf(gridNum + 1);
            for (int i = 0; i < m; ++i) {
                for (int j = 0; j < n; ++j) {
                    int id = i * n + j;
                    if (grid[i][j] == '0') {
                        uf.unionElements(id, gridNum);
                        continue;
                    }
                    // grid[i][j] == '1'
                    if (i < m - 1 && grid[i + 1][j] == '1') {
                        // bottom
                        uf.unionElements(id, id + n);
                    }
                    if (j < n - 1 && grid[i][j + 1] == '1') {
                        // right
                        uf.unionElements(id, id + 1);
                    }
                }
            }
            return uf.getCount() - 1;
        }

    private:
        vector<vector<bool>> visited;
        const vector<std::pair<int, int>> directions{{1,  0},
                                                     {0,  1},
                                                     {-1, 0},
                                                     {0,  -1}};

        int m = 0;
        int n = 0;

        // 深度遍历网格
        void dfs(const vector<vector<char>> &grids, int r, int c) {
            visited[r][c] = true;
            for (const auto &p  : directions) {
                int newR = r + p.first;
                int newC = c + p.second;
                if (newR < 0 || newR >= m || newC < 0 || newC >= n) {
                    // 索引超范围,跳过当前循环
                    continue;
                }
                // 访问未访问过且为0的节点
                if (!visited[newR][newC] && grids[newR][newC] == '1') {
                    dfs(grids, newR, newC);
                }
            }
        }
    };

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    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
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