Word Ladder II 解题总结

前后一共提交了10次才AC，主要的问题在于超时。总结一下解题思路的演变

大体的思路就是根据单词间的距离（距离为1两单词相邻）生成图，在图上搜索从beginWord到endWord的全部最短路径。

全图+广搜深度+深搜路径

全图：两两比较wordlist中的距离，距离为1两节点相邻，最终生成以wordlist为顶集的邻接链表

广搜深度：把经典的广搜算法稍微修改一下变成按层入队出队，求得beginWord到endWord的距离

深搜路径：到达上面求的深度如果还没有搜到endWord就返回空值

第一次尝试没有考虑时间问题，所以不出所料的超时了，不过先跑起来再说嘛

全图+有向无环生成子图+深搜路径

全图跟之前一样，没有变化

有向无环图：在全图上的生成子图，是按照与benginWord距离分层的有向无环图，依旧由广搜得到这个有向无环生成子图，一旦某层中出现了endWord就结束搜索

深搜路径：得益于得到子图的特殊结构，一旦搜到endWord，那么当前的路径就一定是最短的

提交之后依旧超时，用kernprof看了一下时间分布，大部分的时间都在用在生成全图上，单词两两比较的方法效率也是捉急

有向无环子图 + 深搜路径

之前的主要问题在于花费大量时间去生成全图，这个图中大部分信息对需要解决的问题是没有用的。现在从问题入手，直接从beginWord开始广度搜索，在搜索的过程中建立有向无环子图的临界链表，这样就省去了大量冗余信息的计算。

另一个问题就是寻找相邻单词的策略，这里换成枚举当前单词相邻单词，再去wordlist中检查是否存在，这样时间效率就从之前的wordlist大小主导变成了单词长度主导，当wordlist的规模很大时，效率的提升会很明显

提交之后依旧超时，程序里肯定还是做了哪些无用功

有向无环子图+逆邻接链表+深搜路径

之前的无用功就是在深搜路径的过程中，很多路径的最后一个单词不是要求的endWord。但是我们肯定的是如果从endWord开始搜beginWord，那么所有的路径最后一个单词一定是beginWord，因为在生成这个有向无环子图的时候只有一个起点。从endWord开始搜索就需要建立原先有向无环子图的逆邻接链表。

这个思路提交之后终于AC了，670ms

最终代码

import string

class Solution(object):
    # @profile
    def findLadders(self, beginWord, endWord, wordlist):
        # @profile
        def creatDict():
            adj_dict = {}
            level = set([beginWord])
            wordlist.remove(beginWord)

            while len(level) > 0:
                if endWord in level:
                    break
                next_level = set()
                for w1 in level:
                    for i in range(len(w1)):
                        for c in string.lowercase:
                            w2 = w1[:i] + c + w1[i+1:]
                            if w2 in next_level:
                                adj_dict[w2].append(w1)
                            if w2 in wordlist:
                                wordlist.remove(w2)
                                adj_dict[w2] = [w1]
                                next_level.add(w2)
                level = next_level
            return adj_dict

        # @profile
        def DFS(ew):
            if ew == beginWord:
                return [[ew]]
            else:
                path = []
                if not adj_dict.has_key(ew):
                    return path
                for tw in adj_dict[ew]:
                    path += [p + [ew] for p in DFS(tw)]
                return path

        adj_dict = creatDict()
        return DFS(endWord)