LeetCode题练习与总结：单词接龙--127

本文主要是介绍LeetCode题练习与总结：单词接龙--127，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

一、题目描述

字典 wordList 中从单词 beginWord 和 endWord 的 转换序列 是一个按下述规格形成的序列 beginWord -> s1 -> s2 -> ... -> sk：

每一对相邻的单词只差一个字母。
对于 1 <= i <= k 时，每个 si 都在 wordList 中。注意， beginWord 不需要在 wordList 中。
sk == endWord

给你两个单词 beginWord 和 endWord 和一个字典 wordList ，返回从 beginWord 到 endWord 的 最短转换序列 中的 单词数目 。如果不存在这样的转换序列，返回 0 。

示例 1：

输入：beginWord = "hit", endWord = "cog", wordList = ["hot","dot","dog","lot","log","cog"]
输出：5
解释：一个最短转换序列是 "hit" -> "hot" -> "dot" -> "dog" -> "cog", 返回它的长度 5。

示例 2：

输入：beginWord = "hit", endWord = "cog", wordList = ["hot","dot","dog","lot","log"]
输出：0
解释：endWord "cog" 不在字典中，所以无法进行转换。

提示：

1 <= beginWord.length <= 10
endWord.length == beginWord.length
1 <= wordList.length <= 5000
wordList[i].length == beginWord.length
beginWord、endWord 和 wordList[i] 由小写英文字母组成
beginWord != endWord
wordList 中的所有字符串 互不相同

二、解题思路

将单词列表转换为图：首先，我们需要构建一个图，其中包含 wordList 中的所有单词。这可以通过比较每对单词并检查它们是否只有一个字符不同来实现。
广度优先搜索：从 beginWord 开始，进行广度优先搜索，寻找 endWord。在搜索过程中，我们记录从 beginWord 到当前单词的路径长度。
终止条件：一旦我们找到了 endWord，我们就知道我们已经找到了最短的转换序列，并且可以返回当前的路径长度。
优化：为了提高搜索效率，我们可以在开始 BFS 之前预处理 wordList，创建一个通用状态映射，这样我们可以快速找到所有与给定单词只有一个字符差异的单词。

三、具体代码

import java.util.*;public class Solution {public int ladderLength(String beginWord, String endWord, List<String> wordList) {// 将单词列表转换为集合，便于快速查找Set<String> wordSet = new HashSet<>(wordList);if (!wordSet.contains(endWord)) return 0;// BFS 队列Queue<String> queue = new LinkedList<>();queue.offer(beginWord);// 记录已访问的单词Set<String> visited = new HashSet<>();visited.add(beginWord);// 记录转换序列的长度int level = 1;while (!queue.isEmpty()) {int size = queue.size();for (int i = 0; i < size; i++) {String currentWord = queue.poll();// 如果找到了结束单词if (currentWord.equals(endWord)) {return level;}// 遍历当前单词的所有可能转换for (String nextWord : getNextWords(currentWord, wordSet)) {if (!visited.contains(nextWord)) {queue.offer(nextWord);visited.add(nextWord);}}}level++;}return 0;}// 获取当前单词的所有可能转换private List<String> getNextWords(String word, Set<String> wordSet) {List<String> nextWords = new ArrayList<>();for (char ch = 'a'; ch <= 'z'; ch++) {for (int i = 0; i < word.length(); i++) {// 生成下一个可能的单词String nextWord = replace(word, i, ch);if (wordSet.contains(nextWord)) {nextWords.add(nextWord);}}}return nextWords;}// 替换单词中的某个字符private String replace(String word, int index, char ch) {char[] chars = word.toCharArray();chars[index] = ch;return new String(chars);}
}

四、时间复杂度和空间复杂度

1. 时间复杂度

构建 wordSet：将 wordList 转换为 HashSet 的时间复杂度是 O(N)，其中 N 是 wordList 的长度。
BFS 遍历：在 BFS 过程中，每个单词都可能生成 26 * L 个新单词，其中 L 是单词的长度。在最坏的情况下，所有单词都可能被访问一次。因此，时间复杂度是 O(N * 26 * L)。
getNextWords 函数：对于每个单词，我们检查 26 * L 个可能的转换。这个操作的时间复杂度是 O(26 * L)。
replace 函数：这个函数的时间复杂度是 O(L)，因为我们只是替换了一个字符并生成了一个新的字符串。
综上所述，总的时间复杂度是 O(N * 26 * L)。

2. 空间复杂度

wordSet 和 visited：这两个 HashSet 最多存储 N 个单词，因此它们的空间复杂度是 O(N)。
队列 queue：在 BFS 过程中，队列中最多可能存储 N 个单词，因此空间复杂度是 O(N)。
nextWords 列表：在 getNextWords 函数中，这个列表最多可能存储 26 * L 个单词，因此空间复杂度是 O(26 * L)。
其他变量：如 level 和循环中的临时变量等，它们的空间复杂度是 O(1)。
综上所述，总的空间复杂度是 O(N + 26 * L)。

综合来看，这个算法的时间复杂度是 O(N * 26 * L)，空间复杂度是 O(N + 26 * L)。

五、总结知识点

集合的使用：HashSet 用于存储不重复的元素，并提供了快速的查找、添加和删除操作。代码中使用了 HashSet 来存储 wordList 和已访问的单词。
队列的使用：LinkedList 作为队列使用，实现了先进先出的数据结构。在 BFS 过程中，队列用于存储待访问的单词。
广度优先搜索（BFS）：这是一种图遍历算法，用于在图中找到最短路径。代码中使用了 BFS 来找到从 beginWord 到 endWord 的最短转换序列。
字符串操作：replace 函数展示了如何通过索引替换字符串中的字符。这涉及到字符串转字符数组，然后修改数组中的元素，最后将数组转回字符串。
循环和条件语句：代码中使用了 for 循环来遍历单词的每个字符和字母表中的每个字符，以及 if 语句来检查条件。
函数定义和调用：代码中定义了 ladderLength、getNextWords 和 replace 三个函数，分别用于解决不同的问题。函数的定义和调用展示了模块化编程的思想。
字符和字符数组：代码中使用了字符变量 ch 来遍历字母表，并使用了字符数组 chars 来表示和操作字符串。
数据结构的选择：代码中选择合适的数据结构（如 HashSet 和 Queue）来优化算法的性能，特别是在单词查找和图遍历方面。
算法设计：代码实现了基于 BFS 的图遍历算法，这是一种常见的算法设计技巧，用于解决最短路径问题。
递归和迭代：虽然代码中没有直接使用递归，但 BFS 本身是一种递归思想的迭代实现，每次迭代都相当于展开递归的一层。