【面试经典 150 | 图的广度优先搜索】最小基因变化

写在前面

本专栏专注于分析与讲解【面试经典150】算法,两到三天更新一篇文章,欢迎催更……

专栏内容以分析题目为主,并附带一些对于本题涉及到的数据结构等内容进行回顾与总结,文章结构大致如下,部分内容会有增删:

  • Tag:介绍本题牵涉到的知识点、数据结构;
  • 题目来源:贴上题目的链接,方便大家查找题目并完成练习;
  • 题目解读:复述题目(确保自己真的理解题目意思),并强调一些题目重点信息;
  • 解题思路:介绍一些解题思路,每种解题思路包括思路讲解、实现代码以及复杂度分析;
  • 知识回忆:针对今天介绍的题目中的重点内容、数据结构进行回顾总结。

Tag

【图】【广度优先搜索】


题目来源

433. 最小基因变化


解题思路

方法一:广搜

思路

经过分析可知,题目要求将一个基因序列 A 变化成另一个基因序列 B,需要满足以下条件:

  • 序列 A 和序列 B 之间只有一个字符不同;
  • 变化字符只能从 ‘A’、‘C’、‘G’、‘T’ 中进行选择;
  • 变换后的序列 B 一定要在字符串数组 bank 中。

根据以上规则,我们可以尝试所有合法的基因变换,并找到最小的变换次数。为此,我们可以使用广度优先搜索尝试所有基因变换。队列的第一层放置的是 start 基因,第二层放置的是与第一层对比只改变一个字符的基因,第三层放置的是与第二层对比只改变一个字符的基因…

每改变一位字符得到一个不同的基因都需要判断是否是有效的,还需要判断是否是已经出现过的字符。对于有效的以及没有出现过的基因变换,需要增加到队列中。

一些特判情况:

  • 如果 start 和 end 相等,则直接返回 0;
  • 如果最终的基因序列不在 bank 中,则无法进行有效变换,直接返回 -1。

代码

class Solution {
public:
    int minMutation(string start, string end, vector<string>& bank) {
        unordered_set<string> cnt;      // 存放基因库中的基因
        unordered_set<string> visited;  // 存放被访问过的基因
        char keys[4] = {'A', 'T', 'C', 'G'};

        for(auto &str : bank){
            cnt.insert(str);
        }
        // 去除一些特殊情况
        if(start == end){
            return 0;
        }
        // end 基因不在基金库中,直接返回 -1
        if(cnt.count(end) == 0){
            return -1;
        }
        queue<string> q;
        q.push(start);
        visited.insert(start);
        int step = 1;

        while(!q.empty()){
            int sz = q.size();
            int i, j, k;
            for(i = 0; i < sz; ++i){ // 更改当前层的所有基因
                string now = q.front(); q.pop();
                for(j = 0; j < 8; ++j){
                    for(k = 0; k < 4; ++k){
                        if(keys[k] != now[j]){  // 改成不同的字符
                            string next = now;
                            next[j] = keys[k];
                            // 有效的并且没有被访问过
                            if(!visited.count(next) && cnt.count(next)){
                                if(next == end){    // 变成 end 了,直接返回
                                    return step;
                                }
                                q.push(next);
                                visited.insert(next);
                            }
                        }
                    }
                }
            }
            ++step;
        }
        return -1;
    }
};

复杂度分析

时间复杂度: O ( C × n × m ) O(C \times n \times m) O(C×n×m) n n n 为基因序列的长度, m m m 为数组 bank 的长度。对于队列中的每个合法的基因序列每次都需要计算 C × n C \times n C×n 种变化,在这里 C = 4 C=4 C=4;队列中最多有 m m m 个元素,因此时间复杂度为 O ( C × n × m ) O(C \times n \times m) O(C×n×m)

空间复杂度: O ( n × m ) O(n \times m) O(n×m)。合法性的哈希表中一共存有 m m m 个元素,队列中最多有 m m m 个元素,每个元素的空间为 O ( n ) O(n) O(n);队列中最多有 m m m 个元素,每个元素的空间为 O ( n ) O(n) O(n),因此空间复杂度为 O ( n × m ) O(n \times m) O(n×m)


写在最后

如果您发现文章有任何错误或者对文章有任何疑问,欢迎私信博主或者在评论区指出 💬💬💬。

如果大家有更优的时间、空间复杂度的方法,欢迎评论区交流。

最后,感谢您的阅读,如果有所收获的话可以给我点一个 👍 哦。

  • 36
    点赞
  • 37
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

wang_nn

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