JavaScript算法32- 克隆图（leetCode:133中等）

133. 克隆图

一、题目

给你无向 连通 图中一个节点的引用，请你返回该图的 深拷贝（克隆）。

图中的每个节点都包含它的值 val（int） 和其邻居的列表（list[Node]）。

class Node {
    public int val;
    public List<Node> neighbors;
}

测试用例格式：

简单起见，每个节点的值都和它的索引相同。例如，第一个节点值为 1（val = 1），第二个节点值为 2（val = 2），以此类推。该图在测试用例中使用邻接列表表示。

邻接列表 是用于表示有限图的无序列表的集合。每个列表都描述了图中节点的邻居集。

给定节点将始终是图中的第一个节点（值为 1）。你必须将 给定节点的拷贝 作为对克隆图的引用返回。

示例 1：

输入：adjList = [[2,4],[1,3],[2,4],[1,3]]
输出：[[2,4],[1,3],[2,4],[1,3]]
解释：
图中有 4 个节点。
节点 1 的值是 1，它有两个邻居：节点 2 和 4 。
节点 2 的值是 2，它有两个邻居：节点 1 和 3 。
节点 3 的值是 3，它有两个邻居：节点 2 和 4 。
节点 4 的值是 4，它有两个邻居：节点 1 和 3 。

提示：

1. 节点数不超过 100 。
2. 每个节点值 Node.val 都是唯一的，1 <= Node.val <= 100。
3. 无向图是一个简单图，这意味着图中没有重复的边，也没有自环。由于图是无向的，如果节点 p 是节点 q 的邻居，那么节点 q 也必须是节点 p 的邻居。
4. 图是连通图，你可以从给定节点访问到所有节点。

二、思路

• 拷贝所有节点
• 拷贝所有的边

具体解题步骤

• 深度或广度优先遍历所有节点
• 拷贝所有的节点，存储起来
• 将拷贝的节点，按照原图的连接方法进行连接（建立映射关系）

三、题解

 * // Definition for a Node.
 * function Node(val, neighbors) {
 *    this.val = val === undefined ? 0 : val;
 *    this.neighbors = neighbors === undefined ? [] : neighbors;
 * };
 */

方法1（深度优先遍历）

var cloneGraph = function (node) {
    if (!node) return;
    const visited = new Map()
    const dfs = (n) => {
        // 生成克隆节点
        const nCopy = new Node(n.val)
        // 存储克隆节点和原节点的映射关系
        visited.set(n, nCopy);  
        n.neighbors.forEach(ne => {
            if (!visited.has(ne)) {
                dfs(ne)
            }
            // 克隆边
            nCopy.neighbors.push(visited.get(ne))
        })
    }
    dfs(node)
    return visited.get(node)
};

复杂度分析

• 时间复杂度：O(n)
• 空间复杂度：O(n)
  

方法2（广度优先遍历）

var cloneGraph = function (node) {
    if (!node) return;
    const visited = new Map();
    visited.set(node,new Node(node.val));
    const q = [node]; 
    while (q.length) {
        const n = q.shift();
        n.neighbors.forEach(ne => {
            if (!visited.has(ne)) {
                q.push(ne);
                visited.set(ne,new Node(ne.val));
            }
            visited.get(n).neighbors.push(visited.get(ne))
        });
    }
    return visited.get(node)
};

复杂度分析

• 时间复杂度：O(n)
• 空间复杂度：O(n)