【LeetCode每日一题】【2021/12/18】419. 甲板上的战舰


419. 甲板上的战舰

LeetCode: 419. 甲板上的战舰

中 等 \color{#FFB800}{中等}

给你一个大小为 m x n 的矩阵 board 表示甲板,其中,每个单元格可以是一艘战舰 'X' 或者是一个空位 '.' ,返回在甲板 board 上放置的 战舰 的数量。
战舰 只能水平或者垂直放置在 board 上。换句话说,战舰只能按 1 x k1 行,k 列)或 k x 1k 行,1 列)的形状建造,其中 k 可以是任意大小。两艘战舰之间至少有一个水平或垂直的空位分隔 (即没有相邻的战舰)。

示例 1:
在这里插入图片描述

输入:board = [["X",".",".","X"],[".",".",".","X"],[".",".",".","X"]]
输出:2

示例 2:

输入:board = [["."]]
输出:0

提示:

  • m == board.length
  • n == board[i].length
  • 1 <= m, n <= 200
  • board[i][j]'.''X'

进阶:你可以实现一次扫描算法,并只使用 O(1) 额外空间,并且不修改 board 的值来解决这个问题吗?


方法1:深度优先搜索 / 广度优先搜索

我们可以先完整遍历整个甲板,每当遍历到 'X' 后,就将其加入 栈 / 队列 中,并使计数加1,将它改为 '.' 以免再次遍历。然后以这个土地为起点,进行 深度 / 广度优先搜索,将所有相邻的 'X' 都改为 '.'。最后返回计数即可。

以下为 深度优先搜索 的代码。若使用 广度优先搜索 则将栈改为队列即可。

#include <vector>
#include <stack>
using namespace std;
class Solution
{
private:
    using dpoint = pair<int, int>;
    const dpoint D[4] = {{-1, 0}, {1, 0}, {0, -1}, {0, 1}};

public:
    int countBattleships(vector<vector<char>> &board)
    {
        const int m = board.size(), n = board[0].size();
        int ans = 0;
        for (int y = 0; y < m; y++)
        {
            for (int x = 0; x < n; x++)
            {
                if (board[y][x] == '.')
                    continue;
                ans++;
                stack<dpoint> stk;
                stk.emplace(y, x);
                while (!stk.empty())
                {
                    const auto [_y, _x] = stk.top();
                    stk.pop();
                    board[_y][_x] = '.';
                    for (const auto [dy, dx] : this->D)
                    {
                        const int ny = _y + dy, nx = _x + dx;
                        if (0 <= ny && ny < m && 0 <= nx && nx < n && board[ny][nx] == 'X')
                        {
                            stk.emplace(ny, nx);
                        }
                    }
                }
            }
        }
        return ans;
    }
};

复杂度分析

  • 时间复杂度: O ( m n ) O(mn) O(mn)。其中,mn 分别为甲板的行数和列数。矩阵中的每一块土地会被遍历多次。

  • 空间复杂度: O ( 1 ) O(1) O(1)。我们只需要常量空间来存储若干变量。

参考结果

Accepted
27/27 cases passed (8 ms)
Your runtime beats 74.06 % of cpp submissions
Your memory usage beats 5.15 % of cpp submissions (8.8 MB)

方法2:枚举起点

方法1 是按照正常的 深度 / 广度 遍历方法去完成的,而这题中的土地和平时稍稍会有一点不一样。平时我们在遍历岛屿时,岛屿的形状是不规则的,因此要用 深度 / 广度 去确保岛屿的每一块土地都被遍历完成,而本体中的岛屿,也就是战舰是有固定的形状的:也就是长或宽为1的长条形。由于题目明确给出战舰不会相邻,因此这个形状在地图上的分布有以下特点:

  1. 关注长条形的某一端点,假设为左上角的顶点(x,y),则 board[y][x]=='X'
  2. 这个端点的上方不存在土地或者不属于任何战舰 board[y-1][x]=='.'
  3. 这个端点的左侧不存在土地或者不属于任何战舰 board[y][x-1]=='.'

由上方的三个条件,我们就可以在完整遍历甲板的过程中,去枚举每艘战舰的左上顶点来记录战舰的个数,同时也不需要修改矩阵 board 去记录哪些土地被遍历过。

#include <vector>
using namespace std;
class Solution
{
private:
    using dpoint = pair<int, int>;
    const dpoint D[4] = {{-1, 0}, {1, 0}, {0, -1}, {0, 1}};

public:
    int countBattleships(vector<vector<char>> &board)
    {
        const int m = board.size(), n = board[0].size();
        int ans = 0;
        for (int y = 0; y < m; y++)
        {
            for (int x = 0; x < n; x++)
            {
                if (board[y][x] == 'X' && (y == 0 || board[y - 1][x] == '.') && (x == 0 || board[y][x - 1] == '.'))
                    ans++;
            }
        }
        return ans;
    }
};

复杂度分析

  • 时间复杂度: O ( m n ) O(mn) O(mn)。其中,mn 分别为甲板的行数和列数。矩阵中的每一块土地只会被遍历一次。

  • 空间复杂度: O ( 1 ) O(1) O(1)。我们只需要常量空间来存储若干变量。

参考结果

Accepted
27/27 cases passed (8 ms)
Your runtime beats 74.06 % of cpp submissions
Your memory usage beats 35.84 % of cpp submissions (7.9 MB)
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 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,比如最长公共子序列、背包问、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的型,很多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目,按照难度从简单到困难排列。每个目都有详细的目描述、输入输出样例、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和最优子结构性质的问。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,如背包问、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,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目涵盖了各种难度级别和场景的问。从简单的斐波那契数列、迷宫问到可以用于实际应用的背包问、最长公共子序列等,难度不断递进且话丰富,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,它通过将问拆分成子问的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法,例如斐波那契数列、矩阵链乘法、背包问等。 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。例如,经典的“爬楼梯”问,要求我们计算到n级楼梯的方案数。这个问的解法非常简单,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、保存中间状态来求解问。 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,但在某些场景下并不适用。例如,某些问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的学习和解都非常重要。除了刷以外,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

打赏作者

亡心灵

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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