DFS(深度优先遍历)
与BFS(广度优先遍历)
算法是基于树和图结构进行遍历的两种算法。
一般来说DFS在前中后遍历
中运用比较明显,DFS的运用基本是要利用递归
进行嵌套使用。回溯算法其实也是一种比较经典的DFS算法升级运用
而BFS比较经典的运用就是层次遍历
,一般会运用数组
和while
循环不断进行pop
和insert
操作。
涉及到回溯算法和递归的二叉树结构题
,之前已经进行过总结:
leetcode回溯算法
leetcode二叉树遍历与递归题目汇总
然而,对于字符串和数组类的结构,我自己在开始的时候很难将其与DFS和BFS算法结合起来。所以为了更深入的理解DFS和BFS算法的精髓,这里针对这些数据结构进一步汇总
BFS
BFS在计算最短或者最小等问题上相比DFS要简单很多,因为找到某层符合条件的一个即可停止。
BFS在进行计算的时候常常会结合队列(deque)这种数据结构,关于队列的介绍我之前做过一个小的总结:
python双向队列deque的基本用法
也可以跟着leetcode的系列学习一下队列和算法的知识
leetcode数据结构简介:队列和栈
1.字符串匹配问题
301. 删除无效的括号
找到删除最小括号可以满足的字符串,显然是横向对比只要较高层存在一个即可,故肯定是BFS的问题。
思路:1.理解何种字符串是符合要求的,并写出isValid函数判断
2.利用filter
函数对字符串进行映射判断
3.利用while循环分别判断初始字符串减去一个字符的level,二个字符的level等情况的结果情况。不停地更新每一次的level情况
class Solution:
def removeInvalidParentheses(self, s: str) -> List[str]:
def isValid(s):
cnt = 0
for i in s:
if i == '(':
cnt += 1
elif i == ')':
cnt -= 1
if cnt < 0:return False
return cnt == 0
level = {
s}
while level:
valid = list(filter(isValid,level))
if valid:return valid
next_level = set()
for item in level:
for i in range(len(item)):
#只判定为括号的情况,其他情况不需要判定
if item[i] in '()':
next_level.add(item[:i] + item[i+1:])
level = next_level
127. 单词接龙
以最短的路径变换单词,从初始单词到目标单词。
思路:1.先生成模糊单词表;
2.基于单词表对单词进行匹配
from collections import deque
class Solution(object):
def ladderLength(self, beginWord, endWord, wordList):
def construct_dict(word_list):
d = {
}
for word in word_list:
for i in range(len(word)):
s = word[:i] + "_" + word[i + 1:]
d[s] = d.get(s, []) + [word]
return d
def bfs_words(begin, end, dict_words):
queue, visited = deque([(begin, 1)]), set()
while queue:
word, steps = queue.popleft()
if word not in visited:
visited.add(word)
if word == end:
return steps
for i in range(len(word)):
s = word[:i] + "_" + word[i + 1:]
neigh_words = dict_words.get(s, [])
for neigh in neigh_words:
if neigh not in visited:
queue.append((neigh, steps + 1))
return 0
d = construct_dict(set(wordList))
return bfs_words(beginWord, endWord, d)
1091. 二进制矩阵中的最短路径
逻辑与计算最大岛屿类似,但是方向改成了8个方向遍历,上下左右,左上、右上、左下、右下。
遍历的条件为:
1.如果当前索引达到最大,那么直接返回最大值;
2.如果索引没达到最大,且遍历的当前值为0(畅通),则将其改为1.
class Solution:
def shortestPathBinaryMatrix(self, grid: List[List[int]]) -> int:
n = len(grid)
if not grid or grid[0][0] == 1 or grid[n-1][n-1] == 1:
return -1
elif n <= 2:
return n
queue = [(0, 0, 1)]
grid[0][0] = 1
while queue:
i, j, step = queue.pop(0)
for dx, dy in [(-1,-1), (1,0), (0,1), (-1,0), (0,-1), (1,1), (1,-1), (-1,1)]:
if i+dx == n-1 and j+dy == n-1:
return step + 1
if 0 <= i+dx < n and 0 <= j+dy < n and grid[i+dx][j+dy] == 0:
queue.append((i+dx, j+dy, step+1))
grid[i+dx][j+dy] = 1 # mark as visited
return -1
DFS
1.数组问题
数组问题,尤其是岛屿的一系列问题是运用DFS算法计算的典型问题。这里列举一些岛屿问题。
6.岛屿的最大面积
典型的数组中的最大值问题,需要遍历每个单元找到最大值,故是DFS问题。
class Solution:
def maxAreaOfIsland(self, grid: List[List[int]]) -> int:
#用res[0]代表全局最大值,res[1]代表局部最大值
#确定初始参数
res,r,c = [0,0],len(grid),len(grid[0])
#定义dfs函数
def f(i,j):
res[1]