文章目录
【数据结构(四)】队列BFS、DFS
今天想说一说个人对于这两个搜索方法的见解。在我看来,DFS与BFS是算法道路上最基础最容易掌握的,同时,又能提供巨大助力的方法之一。我这里斗胆用方法二字来形容DFS(Deep First Search)深度优先搜索以及 BFS(Breath First Search)广度优先搜索,用搜索思想来囊括二者。方法是死的,而思想是活的,我们应该通过对这两种方法的剖析来获得这种思想,因为无论是在现实问题还是算法题目上,问题模型都是多变的,我们要着重于理解思想而后针对特定问题能用最佳的方法去解决。
❓ 题目–岛屿数量
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’
1️⃣ DFS(深度优先搜索)
深度优先搜索的步骤分为:
递归下去
回溯上来。
顾名思义,深度优先,则是以深度为准则,先一条路走到底,直到达到目标。这里称之为递归下去。
否则既没有达到目标又无路可走了,那么则退回到上一步的状态,走其他路。这便是回溯上来。
☺️ 题解
💽 思路:
-
目标是找到矩阵中 “岛屿的数量” ,上下左右相连的 1 都被认为是连续岛屿。
-
DFS方法: 设目前指针指向一个岛屿中的某一点 (i, j),寻找包括此点的岛屿边界。
- 从 (i, j) 向此点的上下左右 (i+1,j),(i-1,j),(i,j+1),(i,j-1) 做深度搜索。
- 终止条件:
- (i, j) 越过矩阵边界;
grid[i][j]
== 0,代表此分支已越过岛屿边界。
- 搜索岛屿的同时,执行
grid[i][j]
= ‘0’,即将岛屿所有节点删除,以免之后重复搜索相同岛屿。
-
主循环:
遍历整个矩阵,当遇到grid[i][j]
== ‘1’ 时,从此点开始做深度优先搜索 dfs,岛屿数 count + 1 且在深度优先搜索中删除此岛屿。 -
最终返回岛屿数 count 即可。
🦅 DFS题解
package com.dataStructure.queue;
/**
* @author xiaoCoder
* @version 1.0
* @description: TODO DFS(Deep First Search)深度优先搜索
* @date 2021/8/8 15:21
*/
public class DemoDFSNumberOfIslands {
public static void main(String[] args) {
char[][] grid = {
{'1', '1', '0', '0', '0'},
{'1', '1', '0', '0', '1'},
{'0', '0', '1', '0', '0'},
{'0', '0', '0', '1', '1'}
};
DemoDFSNumberOfIslands demoDFSNumberOfIslands = new DemoDFSNumberOfIslands();
int i = demoDFSNumberOfIslands.numIsIsland(grid);
System.out.println("岛屿数量:"+i);
}
public int numIsIsland(char[][] grid) {
int count = 0;
for (int i = 0; i < grid.length; i++) {
for (int j = 0; j < grid[i].length; j++) {
if (grid[i][j] == '1') {
// 进行置零然后再进行增加
DFS(i,j,grid);
count++;
}
}
}
return count;
}
/**
* @param h 长
* @param w 宽
* @param grid 矩阵
*/
public void DFS(int h, int w, char[][] grid) {
// 排除没必要的条件
if (h < 0 || w < 0 || h >= grid.length || w >= grid[0].length || grid[h][w] == '0') return;
// 将符合的岛屿制 0 防止再次被调用
grid[h][w] = '0';
// 调用它的上下左右进行查询;
DFS(h + 1, w, grid);
DFS(h - 1, w, grid);
DFS(h, w - 1, grid);
DFS(h, w + 1, grid);
}
}
2️⃣ BFS (广度优先搜索)
☺️ 题解
💽 思路:
- 主循环和思路一类似,不同点是在于搜索某岛屿边界的方法不同。
- BFS方法:
- 借用一个队列 queue,判断队列首部节点 (i, j) 是否未越界且为 1:
- 若是则置零(删除岛屿节点),并将此节点上下左右节点 (i+1,j),(i-1,j),(i,j+1),(i,j-1) 加入队列;
- 若不是则跳过此节点;
- 循环 pop 队列首节点,直到整个队列为空,此时已经遍历完此岛屿。
- 借用一个队列 queue,判断队列首部节点 (i, j) 是否未越界且为 1:
🦅 BFS题解
package com.dataStructure.queue;
import java.util.LinkedList;
import java.util.Queue;
/**
* @author xiaoCoder
* @version 1.0
* @description: TODO BFS(Breath First Search)广度优先搜索
* @date 2021/8/8 15:50
*/
public class DemoBFSNumberOfIslands {
public static void main(String[] args) {
char[][] grid = {
{'1', '1', '0', '1', '0'},
{'1', '1', '0', '0', '1'},
{'0', '0', '1', '0', '0'},
{'0', '0', '0', '1', '1'}
};
DemoBFSNumberOfIslands bfsNumberOfIslands = new DemoBFSNumberOfIslands();
int i = bfsNumberOfIslands.numIslands(grid);
System.out.println(i);
}
public int numIslands(char[][] grid) {
int count = 0;
for (int i = 0; i < grid.length; i++) {
for (int j = 0; j < grid[0].length; j++) {
if (grid[i][j] == '1') {
BFS(grid, i, j);
count++;
}
}
}
return count;
}
private void BFS(char[][] grid, int i, int j) {
// 创建队列
Queue<int[]> array = new LinkedList<>();
array.add(new int[]{i, j});
// 开始循环搜索
while (!array.isEmpty()) {
// 移除队列首位
int[] head = array.poll();
// 获取到首位对应的坐标位置
int x = head[0], y = head[1];
// 跳出当前不合法条件循环,继续下一次循环
if (x < 0 || x >= grid.length || y < 0 || y >= grid[0].length || grid[x][y] == '0') continue;
// 将队列首个位置进行制零
grid[x][y] = '0';
// 进行广度搜索放入队列
array.add(new int[]{x-1,y});
array.add(new int[]{x+1,y});
array.add(new int[]{x,y-1});
array.add(new int[]{x,y+1});
}
}
}