第九天,两个广度优先搜索的算法题,先来看第一个
乍一看没有头绪,那我们先简化一下题目,假如只有一个0,那问题是不是很简单,以唯一的0作为中心做广度优先搜索,设个变量depth,每搜索一层,depth+1。简单解决。
那么现在有多个0,好了,有点复杂,但是换一下思维,把多个0看成“超级0”辐射而来的就轻松解决了,现在题目变成这样:有一个超级0,其他都是1,算出每个1到超级0的距离。但是超级0做广度优先搜索的第一层辐射创造出了多个0,逻辑关系不需要写,现在需要笔者继续完成剩下的广度优先搜索。好的,太简单了,将多个0放进队列,继续做广度优先搜索不OK了吗?看代码
class Solution { static int[][] dirs = {{-1, 0}, {1, 0}, {0, -1}, {0, 1}}; public int[][] updateMatrix(int[][] matrix) { //新建大小一样的矩阵 int m = matrix.length, n = matrix[0].length; int[][] dist = new int[m][n]; //新建boolean类型数组标记 节点是否访问过 boolean[][] seen = new boolean[m][n]; //新建队列放入节点 Queuequeue = new linkedList (); // 将所有的 0 添加进初始队列中 for (int i = 0; i < m; ++i) { for (int j = 0; j < n; ++j) { if (matrix[i][j] == 0) { queue.offer(new int[]{i, j}); seen[i][j] = true; } } } // 广度优先搜索 while (!queue.isEmpty()) { int[] cell = queue.poll(); int i = cell[0], j = cell[1]; for (int d = 0; d < 4; ++d) { int ni = i + dirs[d][0]; int nj = j + dirs[d][1]; if (ni >= 0 && ni < m && nj >= 0 && nj < n && !seen[ni][nj]) { dist[ni][nj] = dist[i][j] + 1; queue.offer(new int[]{ni, nj}); seen[ni][nj] = true; } } } return dist; } }
第二题 腐烂的橘子
刚开始看到这题目,觉得和第一题很相似,只不过最后多个判断有没有全部腐烂而已,见代码
class Solution { int[] dx = new int[]{1,0,0,-1}; int[] dy = new int[]{0,1,-1,0}; public int orangesRotting(int[][] grid) { int m = grid.length; int n = grid[0].length; int time = 0; //找到所有腐烂的橘子加入队列中, 并统计新鲜水果数量 int normalCount = 0; Queuequeue = new linkedList<>(); for (int i = 0; i < m; i++) { for (int j = 0; j < n; j++) { if (grid[i][j] == 2){ queue.add(new int[]{i, j}); } else if(grid[i][j] == 1){ normalCount++; } } } //没有烂橘子 if (normalCount == 0){ return 0; } //猎杀时刻 while (!queue.isEmpty()){ int size = queue.size(); for (int i = 0; i < size; i++) { int[] point = queue.poll(); int row = point[0]; int column = point[1]; for (int j = 0; j < dx.length; j++) { int x = row + dx[j]; int y = column + dy[j]; if (x >= 0 && x < m && y >= 0 && y < n && grid[x][y] == 1){ //好橘子烂掉 grid[x][y] = 2; normalCount--; queue.add(new int[]{x,y}); } } } time++; } return normalCount == 0 ? time -1 : -1; } }
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)