332.重新安排行程

给定一个机票的字符串二维数组 [from, to],子数组中的两个成员分别表示飞机出发和降落的机场地点,对该行程进行重新规划排序。所有这些机票都属于一个从JFK(肯尼迪国际机场)出发的先生,所以该行程必须从 JFK 出发。

说明:

  1. 如果存在多种有效的行程,你可以按字符自然排序返回最小的行程组合。例如,行程 ["JFK", "LGA"] 与 ["JFK", "LGB"] 相比就更小,排序更靠前
  2. 所有的机场都用三个大写字母表示(机场代码)。
  3. 假定所有机票至少存在一种合理的行程。

示例 1:

输入: [["MUC", "LHR"], ["JFK", "MUC"], ["SFO", "SJC"], ["LHR", "SFO"]]
输出: ["JFK", "MUC", "LHR", "SFO", "SJC"]

示例 2:

输入: [["JFK","SFO"],["JFK","ATL"],["SFO","ATL"],["ATL","JFK"],["ATL","SFO"]]
输出: ["JFK","ATL","JFK","SFO","ATL","SFO"]

解释: 另一种有效的行程是 ["JFK","SFO","ATL","JFK","ATL","SFO"]。但是它自然排序更大更靠后。

class Solution {
public:
    vector<string> findItinerary(vector<pair<string, string>> tickets) {
        vector<string> res;
        unordered_map<string, multiset<string>> m;
        for (auto a : tickets) {
            m[a.first].insert(a.second);
        }
        dfs(m, "JFK", res);
        return vector<string> (res.rbegin(), res.rend());
    }
    void dfs(unordered_map<string, multiset<string>>& m, string s, vector<string>& res) {
        while (m[s].size()) {
            string t = *m[s].begin();
            m[s].erase(m[s].begin());
            dfs(m, t, res);
        }
        res.push_back(s);
    }
};

思路: 1. 先建立一个图,用邻接表表示。遍历tickets数组,以出发城市为键,以到达城市为值,将所有相同出发城市的到达城市加入到对应的键的值列表。 2. 对每个出发城市的到达城市列表进行排序,保证按字母顺序进行访问。 3. 从"JFK"出发,进行深度优先遍历。如果当前城市的到达城市列表不为空,则按顺序访问列表中的城市,并将访问过的城市从列表中删除。 4. 如果当前城市没有到达城市或者到达城市已经全部被访问过了,则将当前城市加入结果列表的头部。 5. 最后得到的结果列表,逆序输出即可得到答案。 代码实现如下: ```python from collections import defaultdict def findItinerary(tickets): # 用于保存图 graph = defaultdict(list) # 将tickets中的数据存入图 for ticket in tickets: src, dst = ticket graph[src].append(dst) # 按照字母顺序对到达城市进行排序 for src in graph: graph[src].sort() def dfs(city): # 当前城市的到达城市列表 destinations = graph[city] while destinations: # 递归遍历下一个城市 dfs(destinations.pop(0)) # 将当前城市加入结果列表 result.insert(0, city) # 结果列表 result = [] dfs("JFK") return result # 测试 tickets = [["MUC","LHR"],["JFK","MUC"],["SFO","SJC"],["LHR","SFO"]] print(findItinerary(tickets)) # 输出:['JFK', 'MUC', 'LHR', 'SFO', 'SJC'] ``` 复杂度分析: - 时间复杂度:建立图的过程需要遍历tickets数组,时间复杂度为O(n),其中n为数组的长度。遍历图的过程中,所有的边都会被访问一次,时间复杂度为O(m),其中m为图中的边数。因此,总的时间复杂度为O(n+m)。 - 空间复杂度:使用了一个字典来保存图,空间复杂度为O(m),其中m为图中的边数。递归调用的深度为图中的边数+1,空间复杂度为O(m+1)。最后返回的结果列表的空间复杂度为O(n),其中n为结果列表的长度。因此,总的空间复杂度为O(m+n)。
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
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