给定一个由 0 和 1 组成的矩阵,找出每个元素到最近的 0 的距离。
两个相邻元素间的距离为 1 。
示例1:
输入:
0 0 0
0 1 0
0 0 0
输出:
0 0 0
0 1 0
0 0 0
/*
方法一:多源广度优先搜索
对于矩阵中的每一个元素,如果它的值为0,那么离它最近的0就是它自己。如果它的值为1,那么我们就需要找出离它最近的0,
并且返回这个距离值。
可以从0的位置开始进行广度优先搜索。广度优先搜索可以找到从起点到其余所有点的最短距离,因此如果我们从0开始搜索,每
次搜索到一个1,就可以得到0到这个1的最短距离。
*/
class Solution {
int addX[4] = {0, 0, 1, -1};
int addY[4] = {1, -1, 0, 0};
public:
vector<vector<int>> updateMatrix(vector<vector<int>>& matrix) {
int rows = matrix.size(), cols = matrix[0].size();
vector<vector<int> > dist(rows, vector<int>(cols));
vector<vector<int> > seen(rows, vector<int>(cols));
queue<pair<int, int> > bfs;
// 将所有的0添加进初始队列中
for (int i = 0; i < rows; i++) {
for (int j = 0; j < cols; j++) {
if (matrix[i][j] == 0) {
bfs.emplace(i, j);
seen[i][j] = 1;
}
}
}
// 多源广度优先搜索
while (!bfs.empty()) {
auto [x, y] = bfs.front();
bfs.pop();
for (int i = 0; i < 4; i++) {
int newX = x + addX[i], newY = y + addY[i];
if (newX < 0 || newX >= rows || newY < 0 || newY >= cols || seen[newX][newY] == 1) continue;
dist[newX][newY] = dist[x][y] + 1;
bfs.emplace(newX, newY);
seen[newX][newY] = 1;
}
}
return dist;
}
};
/*
方法二:动态规划
对于矩阵中的任意一个1以及一个0,我们如何从这个1到达0并且距离最短呢?根据上面的做法,我们可以从1开始,先在
水平方向移动,再在竖直方向上移动,直到到达0的位置。这样一来,从一个固定的1走到任意一个0,在距离最短的前提
下可能有四种方法:
水平左、竖直上;
水平左、竖直下;
水平右、竖直上;
水平右、竖直下;
*/
class Solution {
public:
vector<vector<int>> updateMatrix(vector<vector<int>>& matrix) {
int rows = matrix.size(), cols = matrix[0].size();
// 初始化动态规划数组,所有的距离值都设置为一个很大的数
vector<vector<int> > dist(rows, vector<int>(cols, INT_MAX / 2));
// 如果(i, j)元素为0,则距离为0
for (int i = 0; i < rows; i++) {
for (int j = 0; j < cols; j++) {
if (matrix[i][j] == 0) {
dist[i][j] = 0;
}
}
}
// 只有水平向左移动和竖直向上移动,注意动态规划的计算顺序
for (int i = 0; i < rows; i++) {
for (int j = 0; j < cols; j++) {
if (i - 1 >= 0) {
dist[i][j] = min(dist[i][j], dist[i - 1][j] + 1);
}
if (j - 1 >= 0) {
dist[i][j] = min(dist[i][j], dist[i][j - 1] + 1);
}
}
}
for (int i = rows - 1; i >= 0; --i) {
for (int j = cols - 1; j >= 0; --j) {
if (i + 1 < rows) {
dist[i][j] = min(dist[i][j], dist[i + 1][j] + 1);
}
if (j + 1 < cols) {
dist[i][j] = min(dist[i][j], dist[i][j + 1] + 1);
}
}
}
return dist;
}
};